Hive底層原理：Explain執(zhí)行計劃詳解

作者：園陌 2021-02-20 08:40:19

本節(jié)將介紹 explain 的用法及參數(shù)介紹,IVE提供了EXPLAIN命令來展示一個查詢的執(zhí)行計劃,這個執(zhí)行計劃對于我們了解底層原理，hive 調(diào)優(yōu)，排查數(shù)據(jù)傾斜等很有幫助。

[[382322]]

本文轉(zhuǎn)載自微信公眾號「五分鐘學(xué)大數(shù)據(jù)」，作者園陌。轉(zhuǎn)載本文請聯(lián)系五分鐘學(xué)大數(shù)據(jù)公眾號。

理論

本節(jié)將介紹 explain 的用法及參數(shù)介紹

HIVE提供了EXPLAIN命令來展示一個查詢的執(zhí)行計劃,這個執(zhí)行計劃對于我們了解底層原理，hive 調(diào)優(yōu)，排查數(shù)據(jù)傾斜等很有幫助

使用語法如下：

explain 后面可以跟以下可選參數(shù)，注意：這幾個可選參數(shù)不是 hive 每個版本都支持的

EXTENDED：加上 extended 可以輸出有關(guān)計劃的額外信息。這通常是物理信息，例如文件名。這些額外信息對我們用處不大
CBO：輸出由Calcite優(yōu)化器生成的計劃。CBO 從 hive 4.0.0 版本開始支持
AST：輸出查詢的抽象語法樹。AST 在hive 2.1.0 版本刪除了，存在bug，轉(zhuǎn)儲AST可能會導(dǎo)致OOM錯誤，將在4.0.0版本修復(fù)
DEPENDENCY：dependency在EXPLAIN語句中使用會產(chǎn)生有關(guān)計劃中輸入的額外信息。它顯示了輸入的各種屬性
AUTHORIZATION：顯示所有的實體需要被授權(quán)執(zhí)行(如果存在)的查詢和授權(quán)失敗
LOCKS：這對于了解系統(tǒng)將獲得哪些鎖以運行指定的查詢很有用。LOCKS 從 hive 3.2.0 開始支持
VECTORIZATION：將詳細(xì)信息添加到EXPLAIN輸出中，以顯示為什么未對Map和Reduce進(jìn)行矢量化。從 Hive 2.3.0 開始支持
ANALYZE：用實際的行數(shù)注釋計劃。從 Hive 2.2.0 開始支持

在 hive cli 中輸入以下命令(hive 2.3.7)：

explain select sum(id) from test1;

得到結(jié)果(請逐行看完，即使看不懂也要每行都看)：

STAGE DEPENDENCIES: 
  Stage-1 is a root stage 
  Stage-0 depends on stages: Stage-1 
 
STAGE PLANS: 
  Stage: Stage-1 
    Map Reduce 
      Map Operator Tree: 
          TableScan 
            alias: test1 
            Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
            Select Operator 
              expressions: id (type: int) 
              outputColumnNames: id 
              Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
              Group By Operator 
                aggregations: sum(id) 
                mode: hash 
                outputColumnNames: _col0 
                Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE 
                Reduce Output Operator 
                  sort order: 
                  Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE 
                  value expressions: _col0 (type: bigint) 
      Reduce Operator Tree: 
        Group By Operator 
          aggregations: sum(VALUE._col0) 
          mode: mergepartial 
          outputColumnNames: _col0 
          Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE 
          File Output Operator 
            compressed: false 
            Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE 
            table: 
                input format: org.apache.hadoop.mapred.SequenceFileInputFormat 
                output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat 
                serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe 
 
  Stage: Stage-0 
    Fetch Operator 
      limit: -1 
      Processor Tree: 
        ListSink

看完以上內(nèi)容有什么感受，是不是感覺都看不懂，不要著急，下面將會詳細(xì)講解每個參數(shù)，相信你學(xué)完下面的內(nèi)容之后再看 explain 的查詢結(jié)果將游刃有余。

一個HIVE查詢被轉(zhuǎn)換為一個由一個或多個stage組成的序列(有向無環(huán)圖DAG)。這些stage可以是MapReduce stage，也可以是負(fù)責(zé)元數(shù)據(jù)存儲的stage，也可以是負(fù)責(zé)文件系統(tǒng)的操作(比如移動和重命名)的stage。

我們將上述結(jié)果拆分看，先從最外層開始，包含兩個大的部分：

stage dependencies：各個stage之間的依賴性
stage plan：各個stage的執(zhí)行計劃

先看第一部分 stage dependencies ，包含兩個 stage，Stage-1 是根stage，說明這是開始的stage，Stage-0 依賴 Stage-1，Stage-1執(zhí)行完成后執(zhí)行Stage-0。

再看第二部分 stage plan，里面有一個 Map Reduce，一個MR的執(zhí)行計劃分為兩個部分：

Map Operator Tree： MAP端的執(zhí)行計劃樹
Reduce Operator Tree： Reduce端的執(zhí)行計劃樹

這兩個執(zhí)行計劃樹里面包含這條sql語句的 operator：

1.map端第一個操作肯定是加載表，所以就是 TableScan 表掃描操作，常見的屬性：

alias：表名稱
Statistics：表統(tǒng)計信息，包含表中數(shù)據(jù)條數(shù)，數(shù)據(jù)大小等

2.Select Operator：選取操作，常見的屬性：

expressions：需要的字段名稱及字段類型
outputColumnNames：輸出的列名稱
Statistics：表統(tǒng)計信息，包含表中數(shù)據(jù)條數(shù)，數(shù)據(jù)大小等

3.Group By Operator：分組聚合操作，常見的屬性：

aggregations：顯示聚合函數(shù)信息
mode：聚合模式，值有 hash：隨機聚合，就是hash partition;partial：局部聚合;final：最終聚合
keys：分組的字段，如果沒有分組，則沒有此字段
outputColumnNames：聚合之后輸出列名
Statistics：表統(tǒng)計信息，包含分組聚合之后的數(shù)據(jù)條數(shù)，數(shù)據(jù)大小等

4.Reduce Output Operator：輸出到reduce操作，常見屬性：

sort order：值為空不排序;值為 + 正序排序，值為 - 倒序排序;值為 +- 排序的列為兩列，第一列為正序，第二列為倒序

5.Filter Operator：過濾操作，常見的屬性：

predicate：過濾條件，如sql語句中的where id>=1，則此處顯示(id >= 1)

6.Map Join Operator：join 操作，常見的屬性：

condition map：join方式，如Inner Join 0 to 1 Left Outer Join0 to 2
keys: join 的條件字段
outputColumnNames： join 完成之后輸出的字段
Statistics： join 完成之后生成的數(shù)據(jù)條數(shù)，大小等

7.File Output Operator：文件輸出操作，常見的屬性

compressed：是否壓縮
table：表的信息，包含輸入輸出文件格式化方式，序列化方式等

8.Fetch Operator 客戶端獲取數(shù)據(jù)操作，常見的屬性：

limit，值為 -1 表示不限制條數(shù)，其他值為限制的條數(shù)

好，學(xué)到這里再翻到上面 explain 的查詢結(jié)果，是不是感覺基本都能看懂了。

實踐

本節(jié)介紹 explain 能夠為我們在生產(chǎn)實踐中帶來哪些便利及解決我們哪些迷惑

1. join 語句會過濾 null 的值嗎?

現(xiàn)在，我們在hive cli 輸入以下查詢計劃語句

select a.id,b.user_name from test1 a join test2 b on a.id=b.id;

問：上面這條 join 語句會過濾 id 為 null 的值嗎

執(zhí)行下面語句：

explain select a.id,b.user_name from test1 a join test2 b on a.id=b.id;

我們來看結(jié)果 (為了適應(yīng)頁面展示，僅截取了部分輸出信息)：

TableScan 
 alias: a 
 Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
 Filter Operator 
    predicate: id is not null (type: boolean) 
    Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
    Select Operator 
        expressions: id (type: int) 
        outputColumnNames: _col0 
        Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
        HashTable Sink Operator 
           keys: 
             0 _col0 (type: int) 
             1 _col0 (type: int) 
 ...

從上述結(jié)果可以看到 predicate: id is not null 這樣一行，說明 join 時會自動過濾掉關(guān)聯(lián)字段為 null 值的情況，但 left join 或 full join 是不會自動過濾的，大家可以自行嘗試下。

2. group by 分組語句會進(jìn)行排序嗎?

看下面這條sql

select id,max(user_name) from test1 group by id;

問：group by 分組語句會進(jìn)行排序嗎

直接來看 explain 之后結(jié)果 (為了適應(yīng)頁面展示，僅截取了部分輸出信息)

TableScan 
   alias: test1 
   Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE 
   Select Operator 
       expressions: id (type: int), user_name (type: string) 
       outputColumnNames: id, user_name 
       Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE 
       Group By Operator 
          aggregations: max(user_name) 
          keys: id (type: int) 
          mode: hash 
          outputColumnNames: _col0, _col1 
          Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE 
          Reduce Output Operator 
            key expressions: _col0 (type: int) 
            sort order: + 
            Map-reduce partition columns: _col0 (type: int) 
            Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE 
            value expressions: _col1 (type: string) 
...

我們看 Group By Operator，里面有 keys: id (type: int) 說明按照 id 進(jìn)行分組的，再往下看還有 sort order: + ，說明是按照 id 字段進(jìn)行正序排序的。

3. 哪條sql執(zhí)行效率高呢?

觀察兩條sql語句

SELECT 
    a.id, 
    b.user_name 
FROM 
    test1 a 
JOIN test2 b ON a.id = b.id 
WHERE 
    a.id > 2; 
SELECT 
    a.id, 
    b.user_name 
FROM 
    (SELECT * FROM test1 WHERE id > 2) a 
JOIN test2 b ON a.id = b.id;

這兩條sql語句輸出的結(jié)果是一樣的，但是哪條sql執(zhí)行效率高呢

有人說第一條sql執(zhí)行效率高，因為第二條sql有子查詢，子查詢會影響性能

有人說第二條sql執(zhí)行效率高，因為先過濾之后，在進(jìn)行join時的條數(shù)減少了，所以執(zhí)行效率就高了

到底哪條sql效率高呢，我們直接在sql語句前面加上 explain，看下執(zhí)行計劃不就知道了嘛

在第一條sql語句前加上 explain，得到如下結(jié)果

hive (default)> explain select a.id,b.user_name from test1 a join test2 b on a.id=b.id where a.id >2; 
OK 
Explain 
STAGE DEPENDENCIES: 
  Stage-4 is a root stage 
  Stage-3 depends on stages: Stage-4 
  Stage-0 depends on stages: Stage-3 
 
STAGE PLANS: 
  Stage: Stage-4 
    Map Reduce Local Work 
      Alias -> Map Local Tables: 
        $hdt$_0:a 
          Fetch Operator 
            limit: -1 
      Alias -> Map Local Operator Tree: 
        $hdt$_0:a 
          TableScan 
            alias: a 
            Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
            Filter Operator 
              predicate: (id > 2) (type: boolean) 
              Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
              Select Operator 
                expressions: id (type: int) 
                outputColumnNames: _col0 
                Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
                HashTable Sink Operator 
                  keys: 
                    0 _col0 (type: int) 
                    1 _col0 (type: int) 
 
  Stage: Stage-3 
    Map Reduce 
      Map Operator Tree: 
          TableScan 
            alias: b 
            Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
            Filter Operator 
              predicate: (id > 2) (type: boolean) 
              Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
              Select Operator 
                expressions: id (type: int), user_name (type: string) 
                outputColumnNames: _col0, _col1 
                Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
                Map Join Operator 
                  condition map: 
                       Inner Join 0 to 1 
                  keys: 
                    0 _col0 (type: int) 
                    1 _col0 (type: int) 
                  outputColumnNames: _col0, _col2 
                  Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE 
                  Select Operator 
                    expressions: _col0 (type: int), _col2 (type: string) 
                    outputColumnNames: _col0, _col1 
                    Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE 
                    File Output Operator 
                      compressed: false 
                      Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE 
                      table: 
                          input format: org.apache.hadoop.mapred.SequenceFileInputFormat 
                          output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat 
                          serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe 
      Local Work: 
        Map Reduce Local Work 
 
  Stage: Stage-0 
    Fetch Operator 
      limit: -1 
      Processor Tree: 
        ListSink

在第二條sql語句前加上 explain，得到如下結(jié)果

hive (default)> explain select a.id,b.user_name from(select * from  test1 where id>2 ) a join test2 b on a.id=b.id; 
OK 
Explain 
STAGE DEPENDENCIES: 
  Stage-4 is a root stage 
  Stage-3 depends on stages: Stage-4 
  Stage-0 depends on stages: Stage-3 
 
STAGE PLANS: 
  Stage: Stage-4 
    Map Reduce Local Work 
      Alias -> Map Local Tables: 
        $hdt$_0:test1 
          Fetch Operator 
            limit: -1 
      Alias -> Map Local Operator Tree: 
        $hdt$_0:test1 
          TableScan 
            alias: test1 
            Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
            Filter Operator 
              predicate: (id > 2) (type: boolean) 
              Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
              Select Operator 
                expressions: id (type: int) 
                outputColumnNames: _col0 
                Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
                HashTable Sink Operator 
                  keys: 
                    0 _col0 (type: int) 
                    1 _col0 (type: int) 
 
  Stage: Stage-3 
    Map Reduce 
      Map Operator Tree: 
          TableScan 
            alias: b 
            Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE 
            Filter Operator 
              predicate: (id > 2) (type: boolean) 
              Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
              Select Operator 
                expressions: id (type: int), user_name (type: string) 
                outputColumnNames: _col0, _col1 
                Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE 
                Map Join Operator 
                  condition map: 
                       Inner Join 0 to 1 
                  keys: 
                    0 _col0 (type: int) 
                    1 _col0 (type: int) 
                  outputColumnNames: _col0, _col2 
                  Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE 
                  Select Operator 
                    expressions: _col0 (type: int), _col2 (type: string) 
                    outputColumnNames: _col0, _col1 
                    Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE 
                    File Output Operator 
                      compressed: false 
                      Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE 
                      table: 
                          input format: org.apache.hadoop.mapred.SequenceFileInputFormat 
                          output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat 
                          serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe 
      Local Work: 
        Map Reduce Local Work 
 
  Stage: Stage-0 
    Fetch Operator 
      limit: -1 
      Processor Tree: 
        ListSink

大家有什么發(fā)現(xiàn)，除了表別名不一樣，其他的執(zhí)行計劃完全一樣，都是先進(jìn)行 where 條件過濾，在進(jìn)行 join 條件關(guān)聯(lián)。說明 hive 底層會自動幫我們進(jìn)行優(yōu)化，所以這兩條sql語句執(zhí)行效率是一樣的。

最后

以上僅列舉了3個我們生產(chǎn)中既熟悉又有點迷糊的例子，explain 還有很多其他的用途，如查看stage的依賴情況、排查數(shù)據(jù)傾斜、hive 調(diào)優(yōu)等，小伙伴們可以自行嘗試。

責(zé)任編輯：武曉燕來源：五分鐘學(xué)大數(shù)據(jù)