这几天情绪真的很down啊,包括写这篇文章的时候,无论如何,希望大家看了这篇文章后,功力能再上涨一层~~
用Lateral view explode这么久,竟然发现,不是很了解它?
Lateral view与UDTF函数一起使用,UDTF对每个输入行产生0或者多个输出行。Lateral view首先在基表的每个输入行应用UDTF,然后连接结果输出行与输入行组成拥有指定表别名的虚拟表。
UDTF函数需要继承GenericUDTF.java,在hive源码中,可以查到有以下8种UDTF函数:
我们最常用的就是explode了,可是如果面试的时候,我问你:Lateral view explode 会产生shuffle吗?为什么会,或者不会?
你确定你能毫不犹豫、确定无疑的答出来吗?
如果不能,那你真的需要看看这篇原理复盘的文章。
源码分析
该从哪里说起呢?写一个简单的sql:
explain SELECT id, sq,myCol from window_test_table LATERAL VIEW explode(split(sq,',')) myTab as myCol;
这个sql不多说,一眼看透,下面看一下执行计划:
上面我把执行计划的 执行顺序给标注了一下,说实话,真的不太喜欢hive的执行计划,太长了,相反 spark的就很简洁,看一眼就知道怎么回事,但很多时候,还是喜欢来分解hive的实现过程,哈哈,这是不是找虐型的~~
看了我的标注后,一目了然, 这个sql 经历了两条线:
ts(TableScan)-->lvf(Lateral View Forward)-->sel(Select)-->lvj(Lateral View Join)-->sel(Select)
ts(TableScan)-->lvf(Lateral View Forward)-->sel(Select)-->udtf-->lvj(Lateral View Join)-->sel(Select)