分析型数据库通常需要在大规模数据集上高效完成复杂查询处理,主要包括查询优化和查询执行。作为现代分析型数据库最重要最核心的功能,查询处理涉及的代码范围广,处理逻辑复杂,导致测试的高成本,缺乏充分和灵活的测试可能导致在生产环境中出现严重的问题。现有针对查询执行正确性验证的工作存在负载质量不高,理想结果集（验证集）获取难度大等问题。常见的标准评测基准比如SSB、TPC-H由于缺乏数据的倾斜度和负载的多样性,不适用于评测查询优化的核心,比如基数预估和连接顺序选择。针对优化器评估,现有工作同样存在无法触碰优化器核心功能的问题,同时现有的算子准确基数生成方法效率低下,有很大的资源开销,缺乏可行性。为了更好地支持数据库开发过程中进行查询执行和查询优化的评测,本文设计并实现了一个面向分析型数据库查询处理功能的模糊测试工具。具体来说,基于随机化理论完成对数据和负载生成的多样性保证,通过主外键关联关系构建表间数据依赖链,基于约束满足问题建模算子的输出结果表示,自主构建高效可扩展的求解器,完成对算子准确基数和查询理想结果的自动化生成,并设计连接顺序评估模块对查询优化器的连接顺序选择进行评测。最后通过在真实数据库系统上的测试实践,验证了工具的有效性和可用性。本文的主要贡献归纳如下:1.基于确定性数据生成机制,生成具有动态倾斜度和支持连接运算的大规模数据,为负载生成提供丰富的特征选择空间,满足真实测试场景的模拟需求。2.基于随机化理论可扩展地生成语法和语义正确的多表连接负载模版,并设计了结果导向的查询参数实例化算法,保证查询产生完全有意义的非空结果。3.基于约束满足问题提出了查询中算子准确基数的生成方法,自主构建了可扩展的求解器,自动化高效地生成算子的准确基数和查询的理想结果。并基于连接基数设计了连接顺序重排算法对优化器的连接顺序选择进行评测。4.实现了一整套用于评测查询处理功能的模糊测试工具,可服务于分析型数据库研发过程中的查询执行正确性评测,查询优化器基数预估准确性以及连接顺序选择算法优劣的评估。本文将工具应用于真实的生产级数据库系统中进行了测试场景生成效率验证、查询执行正确性、查询优化器基数预估准确性以及连接顺序选择的评测,并发现了相关功能及性能问题,证明了该工具的可用性。