aql_explain_profile

AQL EXPLAIN & PROFILE

Version: 1.0
Datum: 28. Oktober 2025
Zweck: Dokumentation der Query-Analyse und Performance-Metriken

---

Überblick

THEMIS bietet explain=true zur Abfrage von Query-Plänen und Performance-Metriken für AQL-Queries. Dies ist nützlich für:

• Query-Optimierung und Index-Auswahl
• Performance-Debugging
• BFS-Traversal Pruning-Effektivität
• Filter Short-Circuit Analyse

---

HTTP API Usage

Request

POST /query/aql
Content-Type: application/json

{
  "query": "FOR v IN 1..3 OUTBOUND 'user1' GRAPH 'social' FILTER v.age > 18 RETURN v",
  "explain": true
}

Response (Traversal)

{
  "table": "graph",
  "count": 42,
  "entities": [...],
  "metrics": {
    "constant_filter_precheck": false,
    "edges_expanded": 156,
    "pruned_last_level": 23,
    "filter_evaluations_total": 89,
    "filter_short_circuits": 12,
    "frontier_processed_per_depth": {
      "0": 1,
      "1": 5,
      "2": 18,
      "3": 65
    },
    "enqueued_per_depth": {
      "1": 5,
      "2": 18,
      "3": 65
    }
  }
}

Response (Relational Query)

{
  "table": "users",
  "count": 25,
  "entities": [...],
  "query": "FOR u IN users FILTER u.age > 18 AND u.city == 'Berlin' RETURN u",
  "ast": {...},
  "plan": {
    "mode": "index_optimized",
    "order": [
      {"column": "city", "value": "Berlin"},
      {"column": "age", "value": "18"}
    ],
    "estimates": [
      {"column": "city", "value": "Berlin", "estimatedCount": 100, "capped": false},
      {"column": "age", "value": "18", "estimatedCount": 500, "capped": false}
    ]
  }
}

---

Traversal Metrics

constant_filter_precheck

• Typ: boolean
• Beschreibung: Wurde ein konstanter FILTER (ohne v/e-Referenzen) vorab evaluiert?
• Nutzung: Zeigt, ob die Query vor BFS abgebrochen wurde (wenn false ergibt)

Beispiel:

FOR v IN 1..3 OUTBOUND 'user1' GRAPH 'social' 
  FILTER 1 == 2  -- konstant false
  RETURN v

→ constant_filter_precheck: true, Ergebnis sofort leer ohne BFS

---

edges_expanded

• Typ: int
• Beschreibung: Anzahl der inspizierten Adjazenz-Kanten (out/in) während BFS
• Nutzung: Indikator für Traversal-Kosten

Interpretation:

• Niedrig: Gut pruned oder kleiner Graph
• Hoch: Großer Frontier oder fehlende Prädikate

---

pruned_last_level

• Typ: int
• Beschreibung: Anzahl der am letzten Level (depth == maxDepth) durch v/e-Prädikate weggeschnittenen Nachbarn
• Nutzung: Wirksamkeit des konservativen Prunings messen

Beispiel:

FOR v IN 1..3 OUTBOUND 'user1' GRAPH 'social' 
  FILTER v.age > 30
  RETURN v

→ pruned_last_level: 23 – 23 Vertices am letzten Level hatten age <= 30 und wurden nicht eingereiht

---

filter_evaluations_total

• Typ: int
• Beschreibung: Anzahl der FILTER-Evaluierungen pro BFS-Zeile (Knoten + eingehende Kante)
• Nutzung: Overhead durch komplexe Filter tracken

Interpretation:

• Sollte <= frontier_processed_per_depth (Summe) sein
• Hoch bei komplexen Bool-Ausdrücken

---

filter_short_circuits

• Typ: int
• Beschreibung: Anzahl der Short-Circuits bei AND/OR (Early Exit)
• Nutzung: Effizienz der Bool-Logik messen

Beispiel:

FILTER v.age > 18 AND v.city == "Berlin"

→ Wenn v.age > 18 false ist, wird v.city == "Berlin" nicht evaluiert → filter_short_circuits++

---

frontier_processed_per_depth

• Typ: object (depth → count)
• Beschreibung: Anzahl der verarbeiteten Knoten pro Tiefe
• Nutzung: BFS-Expansion visualisieren

Beispiel:

{
  "0": 1,     // Startknoten
  "1": 5,     // 1. Hop: 5 Nachbarn
  "2": 18,    // 2. Hop: 18 Nachbarn
  "3": 65     // 3. Hop: 65 Nachbarn
}

Interpretation:

• Exponentielles Wachstum: Dichte Graphen
• Lineares Wachstum: Sparse oder gut gefiltert

---

enqueued_per_depth

• Typ: object (depth → count)
• Beschreibung: Anzahl der eingereihten Knoten je (depth+1) während Expansion
• Nutzung: Neue Frontier-Größe tracken (vor visited-Check)

Beispiel:

{
  "1": 5,
  "2": 18,
  "3": 42    // 23 wurden später durch Pruning gedroppt (siehe pruned_last_level)
}

---

Relational Query Plan

mode

• index_optimized: Optimizer-gesteuerter Plan mit Kardinalitätsschätzung
• index_parallel: Parallele Index-Scans mit AND-Merge
• full_scan_fallback: Sequential Scan (wenn allow_full_scan=true und kein Index)
• index_rangeaware: Range-Prädikate/ORDER BY nutzen Range-Index direkt

order

Array von Prädikaten in Evaluierungsreihenfolge (sortiert nach Selektivität bei index_optimized)

estimates

Kardinalitätsschätzung pro Prädikat:

• estimatedCount: Geschätzte Anzahl Treffer
• capped: Wurde die Schätzung bei MAX_ESTIMATE_LIMIT gecappt?

---

Cursor & Range-Scan Metriken (Relational)

Zusätzlich zu Traversal-Metriken stellt THEMIS für relationale Abfragen (Sekundärindex-Pfad) optionale Cursor-/Range-Informationen bereit:

Explain-Plan Felder (bei explain=true)

• plan.mode: z. B. index_rangeaware, index_optimized, full_scan_fallback.
• plan.cursor (falls use_cursor=true im Request):
  • used: Ob der Cursorpfad angewendet wurde.
  • cursor_present: Ob ein Cursor-Token im Request vorhanden war.
  • sort_column: Sortierspalte bei ORDER BY.
  • effective_limit: Tatsächlich verwendetes Fetch-Limit (typisch count+1 für has_more).
  • anchor_set: Ob ein Cursor-Anker (sort_value, pk) in der Engine gesetzt wurde.
  • requested_count: Angeforderte Seitengröße aus LIMIT.

Prometheus-Metriken (GET /metrics)

• vccdb_cursor_anchor_hits_total (counter)
  • Anzahl der Cursor-Anker-Verwendungen im ORDER BY-Paginationpfad.
• vccdb_range_scan_steps_total (counter)
  • Summe der besuchten Indexeinträge bei Range-Scans (einschließlich initialem Anker-Scan).
• vccdb_page_fetch_time_ms_bucket, vccdb_page_fetch_time_ms_sum, vccdb_page_fetch_time_ms_count (histogram)
  • Dauer der Seitenerzeugung in handleQueryAql für Cursoranfragen (Millisekunden). Buckets: 1, 5, 10, 25, 50, 100, 250, 500, 1000, 5000, +Inf.

Hinweise:

• LIMIT/OFFSET ohne Cursor bleiben unverändert (post‑fetch Slicing im HTTP‑Handler).
• Cursor mit ORDER BY: Die Engine holt count+1 Elemente für has_more. Bei ungültigem/inkonsistentem Cursor wird eine leere Seite mit has_more=false zurückgegeben.

---

Best Practices

1. Pruning-Effektivität prüfen

curl -X POST http://localhost:8080/query/aql \
  -H "Content-Type: application/json" \
  -d '{
    "query": "FOR v IN 1..3 OUTBOUND \"user1\" GRAPH \"social\" FILTER v.age > 30 RETURN v",
    "explain": true
  }' | jq '.metrics'

Erwartetes Ergebnis:

• pruned_last_level > 0 → Pruning greift
• edges_expanded < enqueued_per_depth (Summe) → Effizienz durch visited-Set

---

2. Filter Short-Circuits optimieren

Stelle selektive Prädikate zuerst:

-- Gut (Stadt zuerst, sehr selektiv)
FILTER v.city == "Smalltown" AND v.age > 18

-- Schlecht (Alter zuerst, wenig selektiv)
FILTER v.age > 18 AND v.city == "Smalltown"

→ Mehr filter_short_circuits bei optimaler Reihenfolge

---

3. Frontier-Explosion vermeiden

Bei frontier_processed_per_depth mit exponentiellem Wachstum:

• maxDepth reduzieren
• Stärkere Prädikate (z. B. Edge-Filter) hinzufügen
• Index auf v/e-Felder anlegen

---

4. Konstante Filter vorab eliminieren

-- Ineffizient (BFS läuft, obwohl Ergebnis immer leer)
FOR v IN 1..3 OUTBOUND 'user1' GRAPH 'social' 
  FILTER 1 == 2
  RETURN v

→ constant_filter_precheck: true, edges_expanded: 0

---

Metriken erweitern (Roadmap)

Geplante Erweiterungen:

• filter_evaluations_per_depth (Granularität pro Level)
• max_frontier_size (Peak Memory-Indikator)
• path_reconstructions (bei RETURN p)
• entity_loads (RocksDB Get-Calls)
• timing_ms (BFS-Dauer, Filter-Dauer, Serialisierung)

---

Zusammenfassung

Metrik	Bedeutung	Optimierungsziel
edges_expanded	BFS-Kosten	Minimieren (durch Filter/Pruning)
pruned_last_level	Pruning-Erfolg	Maximieren (zeigt Filtereffizienz)
filter_evaluations_total	Filter-Overhead	Minimieren (einfache Prädikate bevorzugen)
filter_short_circuits	Bool-Logik-Effizienz	Maximieren (selektive Prädikate zuerst)
frontier_processed_per_depth	BFS-Expansion	Kontrolliert wachsen (nicht exponentiell)
enqueued_per_depth	Neue Frontier	Niedrig halten (visited-Set wirkt)

Faustregel:
pruned_last_level / edges_expanded sollte > 10% sein für effektives Pruning.

---

Siehe auch:

• AQL Syntax
• Indexes
• Graph Traversal