Hive SQL执行全过程源码解析(Hive3.1)

1、Hive执行SQL的主要流程及Hive架构

Hive执行SQL的主要流程图
看着有很多阶段，实际上很简单。Hive就是把SQL通过AST解析，然后遍历若干次(进行算子替换以及优化)，最后再次遍历算子，如果为reduceSink操作符则划分出一个stage，类似Spark中通过shuffle来划分stage，生成MapReduce任务。最后将这些任务按照执行计划的顺序提交到Yarn上执行。

Hive架构图：

2、源码解析

由于源码中有很多很多细节，本文在分析时会忽略部分不是非常重要的细节。
执行SQL的主要入口方法为Driver.runInternal，该方法涉及了整个Hive SQL执行流程，从SQL到编译，解析，执行，收集返回结果。

首先该方法中会判断SQL是否经过编译，若未进行编译，则会调用compileInternal->compile方法。

① SQL->compile->获得plan
org/apache/hadoop/hive/ql/Driver.java -> compile方法




进一步详细看下：
SQL->AST
这部分比较复杂，笔者暂时也没有仔细研究，先略过。

AST->Task
这部分会用到BaseSemanticAnalyzer.analyze，大致流程是先通过SemanticAnalyzerFactory.get(queryState, tree)，初始化BaseSemanticAnalyzer对象，并且确定了该SQL的类型。SQL的类型以及使用了哪些算子都在org/apache/hadoop/hive/ql/parse/HiveParser.g语法文件中枚举出来了。
然后会通过sem.analyze(tree, ctx)调用analyzeInternal

而analyzeInternal是一个抽象方法，有很多种实现：

具体实现还是比较复杂的，大致上的思路就是上面说的，对语法树进行递归，把每个节点用switch枚举匹配，替换成Hive的算子。

Task->QueryPlan
这部分直接实例化了一个QueryPlan对象，实际上就是把上一步的结果给copy出来组成了一个新对象。

其中存放task的属性为;
private ArrayList<Task<? extends Serializable>> rootTasks;
private FetchTask fetchTask;

QueryPlan->Job
前面部分把编译的流程大致梳理了一遍，现在我们看下任务的提交与执行。
Driver.execute:


开始提交任务了：
lauchTask会将任务提交到Yarn，先继续往下看：



看到这边，整个链路都跑完了，在控制台的最后一行，也会看到一个熟悉的OK。

那么最后我们来仔细看一下Driver.launchTask，看看任务是怎么被提交到Yarn的：


无论是否并行执行，都会执行taskRunner.runSequential方法：

Task.executeTask:

这边调用的execute是抽象方法，由task类型决定何种实现方法。

这边就以MapRedTask为例，进行分析：

获取reducer数量，如果没有明确，则根据input数据量估算：


super.execute即ExecDriver.execute：

向Yarn RM提交任务，之后的逻辑可以参考之前写过的文章MapReduce框架源码解析

3、总结

断断续续花了2周多，终于把Hive整个执行流程注释完了。看上面整理的代码注释，可以了解整个执行过程核心的一些步骤：

首先SQL进入Driver.compile使用ANTLR进行编译，生成AST；
然后使用BaseSemanticAnalyzer.analyze调用语法文件获得初步的执行计划Plan；
之后调用Driver.execute根据Plan生成Job，Job中包含了MapTask和ReduceTask；
最后就是将任务按stage提交到Yarn执行。