【為什么要了解hive執(zhí)行流程】

.當(dāng)我們寫了一個sql，但是執(zhí)行起來很慢，這時如果我們知道這個sql的底層執(zhí)行流程是怎樣的，就會比較容易去優(yōu)化
.如果我們在面試中被問及對hive的理解，如果說就是寫sql會顯得很片面，如果我們了解hive的執(zhí)行流程，就會知道，雖然表面上是寫sql，但是在從hive的sql，到最終出來執(zhí)行結(jié)果，中間經(jīng)歷了MR流程，其中MR的map，combiner，shuffle，reduce具體是執(zhí)行了hive的那個部分，這樣就會比較全面。

【分析基于hadoop之上的SQL執(zhí)行流程】

基本SQL框架

【例表:traffic_info】

NAME	ID	TRAFFIC
YY	1001	204

【例表：TV_info】

ID	BOSS
1001	若老

select name,count(1) fromtraffic_info group by name;
select a.name,a.id,a.traffic,b.boss fromtraffic_info a joinTV_info b on a.id=b.id

解析：這兩個簡單的sql基本上涵蓋了所有的大數(shù)據(jù)sql的框架，也就是說無論多磨復(fù)雜的大數(shù)據(jù)sql最終都會落到這兩個簡單的sql框架上，基本上不會有第三種，之所以我們會覺得sql千變?nèi)f化，非常復(fù)雜，基本上都是業(yè)務(wù)的復(fù)雜度的原因

【圖解sql執(zhí)行流程】

sql寫出來以后只是一些字符串的拼接，所以要經(jīng)過一系列的解析處理，才能最終變成集群上的執(zhí)行的作業(yè)

Parser：將sql解析為AST（抽象語法樹），會進(jìn)行語法校驗，AST本質(zhì)還是字符串
Analyzer：語法解析，生成QB（query block）
Logicl Plan：邏輯執(zhí)行計劃解析，生成一堆Opertator Tree
Logical optimizer:進(jìn)行邏輯執(zhí)行計劃優(yōu)化，生成一堆優(yōu)化后的Opertator Tree
Phsical plan：物理執(zhí)行計劃解析，生成tasktree
Phsical Optimizer：進(jìn)行物理執(zhí)行計劃優(yōu)化，生成優(yōu)化后的tasktree，該任務(wù)即是集群上的執(zhí)行的作業(yè)

結(jié)論：經(jīng)過以上的六步，普通的字符串sql被解析映射成了集群上的執(zhí)行任務(wù)，最重要的兩步是邏輯執(zhí)行計劃優(yōu)化和物理執(zhí)行計劃優(yōu)化（圖中紅線圈畫）

【SQL與MR流程之間的關(guān)系】

1.過濾類SQL與MR的關(guān)系
執(zhí)行sql：selecta.id,a,city, a.cate form access a where a.day=’20190414’ and a.cate= ‘大奔’

結(jié)論：過濾類的sql相當(dāng)于ETL的數(shù)據(jù)清洗過程，并沒有reduce過程，分區(qū)的過濾在讀取數(shù)據(jù)的時候就已經(jīng)進(jìn)行了。map的個數(shù)是由分片數(shù)決定的。

聚合分組類SQL與MR的關(guān)系
select city, count(1) form access a where a.day=’20190414’ and a.cate= ‘奔馳’ group by city
結(jié)論：

.其實這個過成和WC是非常相似的，在各自的分片中，都是把數(shù)據(jù)分割以后每個值都對應(yīng)一個1得到<key,1>，再經(jīng)過本地reduce（combine過程）把key一樣的value=1相加，得到新的<key，values>，再經(jīng)過shuffle過程，把所有分片中的<key,values>,key一致的values相加，又得到最終的<key,values>。
combiner其實是一個本地的reduce主要就是為了減輕reduce的負(fù)擔(dān)，但并不是所有的場景都會發(fā)生combiner，例如求平均數(shù)。

【知識擴(kuò)展】

擴(kuò)展1：reducebykey和groupbykey的區(qū)別，前者會發(fā)生combiner 局部聚合，而后者不會，前者獲得的是相同key對應(yīng)的一個元素，后者是獲取元素集合。reducebykey更加適合大數(shù)據(jù)，少用groupbykey（全數(shù)據(jù)shuffle）
擴(kuò)展2：map task數(shù)是由數(shù)據(jù)文件分片數(shù)決定的分片數(shù)即是map任務(wù)數(shù)，程序員只能給個期望值
擴(kuò)展3：reduce task數(shù)是由輸入reduce的數(shù)據(jù)的分區(qū)（partitions）數(shù)決定的即分區(qū)數(shù)為map任務(wù)數(shù)，默認(rèn)是1,程序員可直接設(shè)置reduce個數(shù)來改變reduce task數(shù)，reduce task數(shù)決定來 生成的文件數(shù)。
擴(kuò)展4： MR數(shù)據(jù)shuffle確定數(shù)據(jù)發(fā)往哪一個reduce分區(qū)的規(guī)則是：取key的hashcode值對分區(qū)數(shù)模。
擴(kuò)展5：explain sql ;查看某sql語句的執(zhí)行計劃

【知識拓展來自以下博客】

作者：qq_32641659
來源：CSDN
原文：https://blog.csdn.net/qq_32641659/article/details/89421655
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請附上博文鏈接！

官網(wǎng)：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Explain

總結(jié)

以上是生活随笔為你收集整理的Hive SQL的执行流程的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。