《SparkSQL内核剖析》【物理计划篇】

一、概览

物理计划是将Spark SQL生成的逻辑算子树映射成物理算子树，并将逻辑计划的信息映射到Spark Core模型中的RDD、Transformation、Action的过程。生成物理计划后，一条SQL语句就变成了可以执行的Spark任务。

物理计划的定义在org.apache.spark.sql.catalyst.plans.QueryPlan中，从定义可以看出，物理计划是一个抽象语法树，树节点的主要组成部分包括：子树节点、出现过的表达式、出现过的子查询；

abstract class QueryPlan[PlanType <: QueryPlan[PlanType]] extends TreeNode[PlanType] = {
	// 子树
	override protected def innerChildren: Seq[QueryPlan[_]] = subqueries 
	// 表达式
	final def expressions: Seq[Expression] = {}
	// 子查询
	def subqueries: Seq[PlanType] = {}
}

一个样例物理计划如下所示：

 == Physical Plan ==
   *(5) SortMergeJoin [x#3L], [y#9L], Inner
   :- *(2) Sort [x#3L ASC NULLS FIRST], false, 0
   :  +- Exchange hashpartitioning(x#3L, 200)
   :     +- *(1) Project [(id#0L % 2) AS x#3L]
   :        +- *(1) Filter isnotnull((id#0L % 2))
   :           +- *(1) Range (0, 5, step=1, splits=8)
   +- *(4) Sort [y#9L ASC NULLS FIRST], false, 0
      +- Exchange hashpartitioning(y#9L, 200)
         +- *(3) Project [(id#6L % 2) AS y#9L]
            +- *(3) Filter isnotnull((id#6L % 2))
               +- *(3) Range (0, 5, step=1, splits=8)

上面打印出的是一个物理计划的treeString表示，其中(5) SortMergeJoin和(3) Range 这些树节点是Spark查询的表达式，表达式开头的数字(5)和(3)代表DFS遍历物理计划表达式树的顺序(见org.apache.spark.sql.catalyst.trees.TreeNode函数generateTreeString)，简化版的表达式遍历顺序如下：

== Physical Plan ==
*(5) SortMergeJoin
   :- *(2) Sort 
   :     +- *(1) Project 
   :        +- *(1) Filter
   :           +- *(1) Range 
   +- *(4) Sort 
         +- *(3) Project 
            +- *(3) Filter
               +- *(3) Range

将逻辑计划转换成物理计划的抽象类叫做QueryPlanner，它定义了转换的框架：首先得到一系列候选物理计划、然后自底向上替换算子树节点的物理计划、最后化简物理计划。

QueryPlanner源代码

abstract class QueryPlanner[PhysicalPlan <: TreeNode[PhysicalPlan]] {
   
  def strategies: Seq[GenericStrategy[PhysicalPlan]]

  def plan(plan: LogicalPlan): Iterator[PhysicalPlan] = {
   
    val candidates = strategies.iterator.flatMap(_(plan))
    val plans = candidates.flatMap {
    candidate =>
      val placeholders = collectPlaceholders(candidate)

      if (placeholders.isEmpty) {
   
        Iterator(candidate)
      } else {
   
        placeholders.iterator.foldLeft(Iterator(candidate)) {
   
          case (candidatesWithPlaceholders, (placeholder, logicalPlan))