一、Hive的执行流程
1. Hive执行过程分析:
Hive 将 HQL 转换成一组操作符(Operator),比如 GroupByOperator, JoinOperator 等
操作符 Operator 是 Hive 的最小处理单元
每个操作符代表一个 HDFS 操作或者 MapReduce 作业
Hive 通过 ExecMapper 和 ExecReducer 执行 MapReduce 程序,执行模式有本地模式和分布式两种模式
Hive操作符列表
Hive 编译器的工作职责:
- Parser:将 HQL 语句转换成抽象语法树(AST:Abstract Syntax Tree)
- Semantic Analyzer:将抽象语法树转换成查询块
- Logic Plan Generator:将查询块转换成逻辑查询计划
- Logic Optimizer:重写逻辑查询计划,优化逻辑执行计划
- Physical Plan Gernerator:将逻辑计划转化成物理计划(MapReduce Jobs)
- Physical Optimizer:选择最佳的 Join 策略,优化物理执行计划
2、Join
对于join操作:
SELECT pv.pageid, u.age FROM page_view pv JOIN user u ON pv.userid = u.userid;
实现过程:
Map:
1、以 JOIN ON 条件中的列作为 Key,如果有多个列,则 Key 是这些列的组合
2、以 JOIN 之后所关心的列作为 Value,当有多个列时,Value 是这些列的组合。在 Value 中还会包含表的 Tag 信息,用于标明此 Value 对应于哪个表
3、按照 Key 进行排序
Shuffle:
根据 Key 的值进行 Hash,并将 Key/Value 对按照 Hash 值推至不同对 Reduce 中
Reduce:
Reducer 根据 Key 值进行 Join 操作,并且通过 Tag 来识别不同的表中的数据