在 Spark SQL 的查询处理流程中，Codegen 指的是什么？它是如何通过动态生成字节码来提升查询执行效率的？请说明其主要机制和带来的性能改进。
考察说明
考查对 Spark SQL 中 Codegen 概念、实现机制和性能优势的理解。
回答思路
- 【回答框架 1】Spark SQL 的 Codegen（代码生成）是指将查询计划中的表达式或整个算子（如过滤、投影）编译为 Java 字节码，并在运行时动态加载执行，从而避免传统 Volcano 模型中的虚函数调用和对象分配开销。
- 【回答框架 2】主要机制包括：将表达式（如 a + b > c）转化为 Java 代码，生成对应的类，使用 Janino 编译为字节码，然后反射实例化并执行。Whole-stage Codegen 进一步将多个算子融合成一个 Java 函数，减少中间数据的物化和函数调用。
- 【回答框架 3】性能提升来自于：减少了虚函数调用和 CPU 分支预测失败；避免了每行数据的对象创建和 GC 压力；利用现代 CPU 的寄存器、循环展开和 SIMD（向量化）机会。
- 【关键点 1】Codegen 通过动态生成字节码减少虚函数调用和对象分配。
- 【关键点 2】Whole-stage Codegen 将多个算子融合为一个函数，消除中间物化。
- 【关键点 3】使用 Janino 编译器在运行时将生成的 Java 代码编译为字节码。
- 【易错点 1】代码生成并非对所有场景都最优，编译本身有开销，简单查询可能得不偿失。
- 【易错点 2】遇到非确定性函数或复杂用户自定义函数（UDF）时，可能退化或生成失败。