Vis*_*han 6 hadoop hive explain sql-execution-plan hiveql
有没有什么合适的资源可以让我们完全理解hive生成的解释计划？我曾尝试在 wiki 中搜索它，但找不到完整的指南来理解它。这是 wiki，它简要解释了解释计划的工作原理。但我需要有关如何推断解释计划的更多信息。 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Explain
我将尝试解释一下我所知道的。
执行计划是对查询所需任务、执行顺序以及每个任务的一些详细信息的描述。要查看查询的执行计划，您可以执行此操作，在查询前添加关键字EXPLAIN，然后运行它。执行计划可能又长又复杂。充分理解它们需要深入了解MapReduce。
例子
EXPLAIN CREATE TABLE flights_by_carrier AS
SELECT carrier, COUNT(flight) AS num
FROM flights
GROUP BY carrier;
此查询CTAS statement创建一个名为 Flights_by_Carrier 的新表，并用 的结果填充该表SELECT query。按承运商对航班表的行进行分组SELECT query，并返回每个承运商以及该承运商的航班数。
该示例的 HiveEXPLAIN语句输出如下所示
+----------------------------------------------------+--+
| Explain |
+----------------------------------------------------+--+
| STAGE DEPENDENCIES: |
| Stage-1 is a root stage |
| Stage-0 depends on stages: Stage-1 |
| Stage-3 depends on stages: Stage-0 |
| Stage-2 depends on stages: Stage-3 |
| |
| STAGE PLANS: |
| Stage: Stage-1 |
| Map Reduce |
| Map Operator Tree: |
| TableScan |
| alias: flights |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| Select Operator |
| expressions: carrier (type: string), flight (type: smallint) |
| outputColumnNames: carrier, flight |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| Group By Operator |
| aggregations: count(flight) |
| keys: carrier (type: string) |
| mode: hash |
| outputColumnNames: _col0, _col1 |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| Reduce Output Operator |
| key expressions: _col0 (type: string) |
| sort order: + |
| Map-reduce partition columns: _col0 (type: string) |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| value expressions: _col1 (type: bigint) |
| Reduce Operator Tree: |
| Group By Operator |
| aggregations: count(VALUE._col0) |
| keys: KEY._col0 (type: string) |
| mode: mergepartial |
| outputColumnNames: _col0, _col1 |
| Statistics: Num rows: 30696411 Data size: 481091680 Basic stats: COMPLETE Column stats: NONE |
| File Output Operator |
| compressed: false |
| Statistics: Num rows: 30696411 Data size: 481091680 Basic stats: COMPLETE Column stats: NONE |
| table: |
| input format: org.apache.hadoop.mapred.TextInputFormat |
| output format: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat |
| serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe |
| name: fly.flights_by_carrier |
| |
| Stage: Stage-0 |
| Move Operator |
| files: |
| hdfs directory: true |
| destination: hdfs://localhost:8020/user/hive/warehouse/fly.db/flights_by_carrier |
| |
| Stage: Stage-3 |
| Create Table Operator: |
| Create Table |
| columns: carrier string, num bigint |
| input format: org.apache.hadoop.mapred.TextInputFormat |
| output format: org.apache.hadoop.hive.ql.io.IgnoreKeyTextOutputFormat |
| serde name: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe |
| name: fly.flights_by_carrier |
| |
| Stage: Stage-2 |
| Stats-Aggr Operator |
| |
+----------------------------------------------------+--+
阶段依赖性
该示例查询将分四个阶段执行stages：Stage-0 到 Stage-3。每个都stage可以是一个MapReduce作业、一个HDFS操作、一个metastore操作或由 执行的一些其他操作Hive server。
编号并不表示执行顺序或依赖关系。
阶段之间的依赖关系确定它们必须执行的顺序，并Hive在结果开始时显式指定这些依赖关系EXPLAIN。
根阶段（如本示例中的 Stage-1）没有依赖项，可以先自由运行。
非根阶段在其所依赖的阶段完成之前无法运行。
舞台计划
输出的阶段计划部分显示阶段的描述。对于Hive，请从顶部开始然后向下阅读。
第一阶段被确定为一项MapReduce工作。
查询计划显示该作业包括a map phase（由Map Operator Tree描述）和a reduce phase（由Reduce Operator Tree描述）。在 中map phase，地图任务读取航班表并选择承运商和航班列。
该数据被传递到reduce phase，其中reduce 任务按承运商对数据进行分组，并通过计算航班数量来聚合数据。
Stage-1 之后是 Stage-0，它是一个HDFS动作（移动）。
在此阶段，Hive将前一阶段的输出移动到 HDFS 中仓库目录中的新子目录。这是新表的存储目录，该表将命名为 Flights_by_Carrier。
Stage-0 之后是 Stage-3，这是一个metastore动作：
创建表。
在此阶段，Hive在飞行数据库中创建一个名为flights_by_rier的新表。该表有两列：STRING名为 Carrier 的列和BIGINT名为 num 的列。
最后一个阶段，第二阶段，收集统计数据。
最后阶段的细节并不重要，但它会收集诸如表中的行数、存储表数据的文件数HDFS以及表中每列中唯一值的数量等信息。这些统计信息可用于优化Hive查询。