请详细阐述 Spark SQL 中 Codegen 优化的基本原理及其执行机制，并说明该优化手段具体通过哪些途径提升查询性能？
考察说明
考查对 Spark SQL 底层 Codegen 优化机制的理解及其对查询性能影响的分析能力。
回答思路
- 【回答框架 1】Codegen 优化是 Spark SQL 在物理执行阶段，将 Volcano 模型中的解释执行算子（如 Filter、Project、Join 等）动态编译为 Java 字节码，生成定制化的循环和表达式计算代码，从而减少虚函数调用和对象分配。
- 【回答框架 2】其核心机制是在 WholeStageCodegen 中将多个相邻算子融合成一个 Java 函数，避免中间结果的物化，减少内存开销和序列化/反序列化成本。
- 【回答框架 3】性能提升主要体现在：消除虚函数调用和多态分派，减少方法调用开销；利用 CPU 缓存和寄存器优化，提高数据局部性；避免中间对象的创建，降低 GC 压力；生成紧凑的循环代码，提高指令级并行性。
- 【回答框架 4】需要注意的是，Codegen 并非万能，在复杂查询或数据倾斜场景下可能因编译开销大而收益有限，且无法处理所有表达式（如 UDF 中的某些逻辑），Spark 会回退到解释执行。
- 【关键点 1】Codegen 将解释执行转换为编译执行，减少虚函数调用和对象分配。
- 【关键点 2】WholeStageCodegen 融合相邻算子，避免中间结果物化。
- 【关键点 3】提升数据局部性，减少 GC 压力。
- 【关键点 4】性能增益取决于查询复杂度和数据分布。
- 【易错点 1】不能断言 Codegen 对所有查询都有显著提升，编译开销可能抵消收益。
- 【易错点 2】不能忽视 UDF 或不可编译表达式导致的回退。
- 【易错点 3】不能忽略数据倾斜对 Codegen 效果的影响。