hive 执行计划

hive执行计划语法

EXPLAIN [EXTENDED] query

EXTENDED参数：输出执行计划中操作符的额外信息；通常，展示物理信息，如文件名等

hive查询转换为一个 有向无环图 的阶段序列；这些阶段可能是 Map/Reduce阶段 或者是执行元数据与文件操作(例如：重命名，移动)； explain 输出包括三部分：

1. 查询语句的抽象语法树
2. 执行计划不同阶段间的依赖关系
3. 每个阶段的描述

阶段描述信息以操作符和与其相关元数据来显示 操作序列；操作符元数据有以下东西组成，像 FilterOperator 的过滤表达式；SelectOperator 的 选择表达式；FileSinkOperator 的输出文件名

执行计划语法介绍到此结束，下面给出一个例子。

执行计划示例

EXPLAIN
FROM src INSERT OVERWRITE TABLE dest_g1 SELECT src.key, sum(substr(src.value,4)) GROUP BY src.key;

执行计划输出如下：

抽象语法树：

ABSTRACT SYNTAX TREE:
  (TOK_QUERY (TOK_FROM (TOK_TABREF src)) (TOK_INSERT (TOK_DESTINATION (TOK_TAB dest_g1)) (TOK_SELECT (TOK_SELEXPR (TOK_COLREF src key)) (TOK_SELEXPR (TOK_FUNCTION sum (TOK_FUNCTION substr (TOK_COLREF src value) 4)))) (TOK_GROUPBY (TOK_COLREF src key))))

阶段依赖关系图：

STAGE DEPENDENCIES:
  Stage-1 is a root stage
  Stage-2 depends on stages: Stage-1
  Stage-0 depends on stages: Stage-2

stage-1 是 root 阶段

stage-2在stage-1执行完后执行

stage-0在stage-2执行结束后执行

各阶段执行计划 

STAGE PLANS:
  Stage: Stage-1
    Map Reduce
      Alias -> Map Operator Tree:
        src
            Reduce Output Operator
              key expressions:
                    expr: key
                    type: string
              sort order: +
              Map-reduce partition columns:
                    expr: rand()
                    type: double
              tag: -1
              value expressions:
                    expr: substr(value, 4)
                    type: string
      Reduce Operator Tree:
        Group By Operator
          aggregations:
                expr: sum(UDFToDouble(VALUE.0))
          keys:
                expr: KEY.0
                type: string
          mode: partial1
          File Output Operator
            compressed: false
            table:
                input format: org.apache.hadoop.mapred.SequenceFileInputFormat
                output format: org.apache.hadoop.mapred.SequenceFileOutputFormat
                name: binary_table

  Stage: Stage-2
    Map Reduce
      Alias -> Map Operator Tree:
        /tmp/hive-zshao/67494501/106593589.10001
          Reduce Output Operator
            key expressions:
                  expr: 0
                  type: string
            sort order: +
            Map-reduce partition columns:
                  expr: 0
                  type: string
            tag: -1
            value expressions:
                  expr: 1
                  type: double
      Reduce Operator Tree:
        Group By Operator
          aggregations:
                expr: sum(VALUE.0)
          keys:
                expr: KEY.0
                type: string
          mode: final
          Select Operator
            expressions:
                  expr: 0
                  type: string
                  expr: 1
                  type: double
            Select Operator
              expressions:
                    expr: UDFToInteger(0)
                    type: int
                    expr: 1
                    type: double
              File Output Operator
                compressed: false
                table:
                    input format: org.apache.hadoop.mapred.TextInputFormat
                    output format: org.apache.hadoop.hive.ql.io.IgnoreKeyTextOutputFormat
                    serde: org.apache.hadoop.hive.serde2.dynamic_type.DynamicSerDe
                    name: dest_g1

  Stage: Stage-0
    Move Operator
      tables:
            replace: true
            table:
                input format: org.apache.hadoop.mapred.TextInputFormat
                output format: org.apache.hadoop.hive.ql.io.IgnoreKeyTextOutputFormat
                serde: org.apache.hadoop.hive.serde2.dynamic_type.DynamicSerDe
                name: dest_g1

 上例中，包含两个map/reduce 阶段(stage-1,stage-2)，一个文件系统相关阶段(stage-0).stage-0将结果从临时目录移动到dest_g1表相应的目录下；

一个Map/Reduce阶段有两部分组成：

1. 从表别名到Map Operator Tree映射：该映射通知Mapper，其操作树被调用来处理特定表的行或者前一个Map/Reduce阶段的输出数据；上例stage-1中，src表的行被以Reduce Output Operator为根的操作符树处理；在stage-2中，stage-1输出行被stage2中以Reduce Output Operator为根的操作符树处理；这两个Reduce Output Operator 根据元数据中展示条件 分区数据到Reducers
2. Reduce Operator Tree：处理Map/Reduce Job 中Reducers所有数据行；在stage-1中， Reducer Operator Tree执行部分聚合；在stage-2中， Reducer Operator Tree从stage-1的部分聚合结果计算最终聚合结果

hive执行计划作用

分析作业执行过程，优化作业执行流程，提升作业执行效率；例如，数据过滤条件从reduce端提前到map端，有效减少map/reduce间shuffle数据量，提升作业执行效率；

提前过滤数据数据集，减少不必要的读取操作；例如: hive join 操作先于 where 条件顾虑，将 分区条件放入 on语句中，能够有效减少 输入数据集；