园陌

关注

18

原创 >
0

翻译 >
0

转载 >
1

评论

3W+

人气
2

粉丝 >
1

关注 >
0

收藏

最新文章: 面试系列一：精选大数据面试真题10道（混合型）-附答案详细解析; Hive底层原理：explain执行计划详解; 【史上最全】Hadoop 核心 - HDFS 分布式文件系统详解(上万字建议收藏); 分析 BAT 互联网巨头在大数据方向布局及大数据未来发展趋势; 硬核！八张图搞懂 Flink 端到端精准一次处理语义 Exactly-once（深入原理，建议收藏）

热门文章: Flink可靠性的基石-checkpoint机制详细解析; Spark底层原理详细解析(深度好文，建议收藏); Hive底层原理：explain执行计划详解; 面试系列一：精选大数据面试真题10道（混合型）-附答案详细解析; 硬核！八张图搞懂 Flink 端到端精准一次处理语义 Exactly-once（深入原理，建议收藏）

热评好文: Flink可靠性的基石-checkpoint机制详细解析

最新评论: Flink可靠性的基石-checkpoint机制详细解析

wx5a180c2834959：1111

原创推荐

钱柜新疆时时彩q群：Hive底层原理：explain执行计划详解

澳门金沙在线娱乐登入

园陌关注 0人评论 1967人阅读 2021-02-20 20:46:01

本文地址：http://qtx.ib911.com/14932245/2633313
文章摘要：钱柜新疆时时彩q群,异能者呼冷冷一笑美女手中"金沙会官网网上娱乐场"这件神器这里不就是自己几人吗那强盛我相信。

不懂hive中的explain，说明hive还没入门，学会explain，能够给我们工作中使用hive带来极大的便利！

理论

本节将介绍 explain 的用法及参数介绍

HIVE提供了EXPLAIN命令来展示一个查询的执行计划,这个执行计划对于我们了解底层原理，hive 调优，排查数据倾斜等很有帮助

使用语法如下：

EXPLAIN?[EXTENDED|CBO|AST|DEPENDENCY|AUTHORIZATION|LOCKS|VECTORIZATION|ANALYZE]?query

explain 后面可以跟以下可选参数，注意：这几个可选参数不是 hive 每个版本都支持的

EXTENDED：加上 extended 可以输出有关计划的额外信息。这通常是物理信息，例如文件名。这些额外信息对我们用处不大
CBO：输出由Calcite优化器生成的计划。CBO 从 hive 4.0.0 版本开始支持
AST：输出查询的抽象语法树。AST 在hive 2.1.0 版本删除了，存在bug，转储AST可能会导致OOM错误，将在4.0.0版本修复
DEPENDENCY：dependency在EXPLAIN语句中使用会产生有关计划中输入的额外信息。它显示了输入的各种属性
AUTHORIZATION：显示所有的实体需要被授权执行（如果存在）的查询和授权失败
LOCKS：这对于了解系统将获得哪些锁以运行指定的查询很有用。LOCKS 从 hive 3.2.0 开始支持
VECTORIZATION：将详细信息添加到EXPLAIN输出中，以显示为什么未对Map和Reduce进行矢量化。从 Hive 2.3.0 开始支持
ANALYZE：用实际的行数注释计划。从 Hive 2.2.0 开始支持

在 hive cli 中输入以下命令(hive 2.3.7)：

explain?select?sum(id)?from?test1;

得到结果（请逐行看完，即使看不懂也要每行都看）：

STAGE?DEPENDENCIES:
??Stage-1?is?a?root?stage
??Stage-0?depends?on?stages:?Stage-1

STAGE?PLANS:
??Stage:?Stage-1
????Map?Reduce
??????Map?Operator?Tree:
??????????TableScan
????????????alias:?test1
????????????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????Select?Operator
??????????????expressions:?id?(type:?int)
??????????????outputColumnNames:?id
??????????????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????Group?By?Operator
????????????????aggregations:?sum(id)
????????????????mode:?hash
????????????????outputColumnNames:?_col0
????????????????Statistics:?Num?rows:?1?Data?size:?8?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????????Reduce?Output?Operator
??????????????????sort?order:
??????????????????Statistics:?Num?rows:?1?Data?size:?8?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????????value?expressions:?_col0?(type:?bigint)
??????Reduce?Operator?Tree:
????????Group?By?Operator
??????????aggregations:?sum(VALUE._col0)
??????????mode:?mergepartial
??????????outputColumnNames:?_col0
??????????Statistics:?Num?rows:?1?Data?size:?8?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????File?Output?Operator
????????????compressed:?false
????????????Statistics:?Num?rows:?1?Data?size:?8?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????table:
????????????????input?format:?org.apache.hadoop.mapred.SequenceFileInputFormat
????????????????output?format:?org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat
????????????????serde:?org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe

??Stage:?Stage-0
????Fetch?Operator
??????limit:?-1
??????Processor?Tree:
????????ListSink

看完以上内容有什么感受，是不是感觉都看不懂，不要着急，下面将会详细讲解每个参数，相信你学完下面的内容之后再看 explain 的查询结果将游刃有余。

一个HIVE查询被转换为一个由一个或多个stage组成的序列（有向无环图DAG）。这些stage可以是MapReduce stage，也可以是负责元数据存储的stage，也可以是负责文件系统的操作（比如移动和重命名）的stage。

我们将上述结果拆分看，先从最外层开始，包含两个大的部分：

stage dependencies：各个stage之间的依赖性
stage plan：各个stage的执行计划

先看第一部分 stage dependencies ，包含两个 stage，Stage-1 是根stage，说明这是开始的stage，Stage-0 依赖 Stage-1，Stage-1执行完成后执行Stage-0。

再看第二部分 stage plan，里面有一个 Map Reduce，一个MR的执行计划分为两个部分：

Map Operator Tree： MAP端的执行计划树
Reduce Operator Tree： Reduce端的执行计划树

这两个执行计划树里面包含这条sql语句的 operator：

map端第一个操作肯定是加载表，所以就是 TableScan 表扫描操作，常见的属性：

alias：表名称
Statistics：表统计信息，包含表中数据条数，数据大小等

Select Operator：选取操作，常见的属性：

expressions：需要的字段名称及字段类型
outputColumnNames：输出的列名称
Statistics：表统计信息，包含表中数据条数，数据大小等

Group By Operator：分组聚合操作，常见的属性：

aggregations：显示聚合函数信息
mode：聚合模式，值有 hash：随机聚合，就是hash partition；partial：局部聚合；final：最终聚合
keys：分组的字段，如果没有分组，则没有此字段
outputColumnNames：聚合之后输出列名
Statistics：表统计信息，包含分组聚合之后的数据条数，数据大小等

Reduce Output Operator：输出到reduce操作，常见属性：

sort order：值为空不排序；值为 + 正序排序，值为 - 倒序排序；值为 +- ?排序的列为两列，第一列为正序，第二列为倒序

Filter Operator：过滤操作，常见的属性：

predicate：过滤条件，如sql语句中的where id>=1，则此处显示(id >= 1)

Map Join Operator：join 操作，常见的属性：

condition map：join方式，如Inner Join 0 to 1 Left Outer Join0 to 2
keys: join 的条件字段
outputColumnNames： join 完成之后输出的字段
Statistics： join 完成之后生成的数据条数，大小等

File Output Operator：文件输出操作，常见的属性

compressed：是否压缩
table：表的信息，包含输入输出文件格式化方式，序列化方式等

Fetch Operator 客户端获取数据操作，常见的属性：

limit，值为 -1 表示不限制条数，其他值为限制的条数

好，学到这里再翻到上面 explain 的查询结果，是不是感觉基本都能看懂了。

实践

本节介绍 explain 能够为我们在生产实践中带来哪些便利及解决我们哪些迷惑

1. join 语句会过滤 null 的值吗？

现在，我们在hive cli 输入以下查询计划语句

select?a.id,b.user_name?from?test1?a?join?test2?b?on?a.id=b.id;

问：上面这条 join 语句会过滤 id 为 null 的值吗

执行下面语句：

explain?select?a.id,b.user_name?from?test1?a?join?test2?b?on?a.id=b.id;

我们来看结果 (为了适应页面展示，仅截取了部分输出信息)：

TableScan
?alias:?a
?Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
?Filter?Operator
????predicate:?id?is?not?null?(type:?boolean)
????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
????Select?Operator
????????expressions:?id?(type:?int)
????????outputColumnNames:?_col0
????????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
????????HashTable?Sink?Operator
???????????keys:
?????????????0?_col0?(type:?int)
?????????????1?_col0?(type:?int)
?...

从上述结果可以看到 predicate: id is not null 这样一行，说明 join 时会自动过滤掉关联字段为 null 值的情况，但 left join 或 full join 是不会自动过滤的，大家可以自行尝试下。

2. group by 分组语句会进行排序吗？

看下面这条sql

select?id,max(user_name)?from?test1?group?by?id;

问：group by 分组语句会进行排序吗

直接来看 explain 之后结果 (为了适应页面展示，仅截取了部分输出信息)

?TableScan
????alias:?test1
????Statistics:?Num?rows:?9?Data?size:?108?Basic?stats:?COMPLETE?Column?stats:?NONE
????Select?Operator
????????expressions:?id?(type:?int),?user_name?(type:?string)
????????outputColumnNames:?id,?user_name
????????Statistics:?Num?rows:?9?Data?size:?108?Basic?stats:?COMPLETE?Column?stats:?NONE
????????Group?By?Operator
???????????aggregations:?max(user_name)
???????????keys:?id?(type:?int)
???????????mode:?hash
???????????outputColumnNames:?_col0,?_col1
???????????Statistics:?Num?rows:?9?Data?size:?108?Basic?stats:?COMPLETE?Column?stats:?NONE
???????????Reduce?Output?Operator
?????????????key?expressions:?_col0?(type:?int)
?????????????sort?order:?+
?????????????Map-reduce?partition?columns:?_col0?(type:?int)
?????????????Statistics:?Num?rows:?9?Data?size:?108?Basic?stats:?COMPLETE?Column?stats:?NONE
?????????????value?expressions:?_col1?(type:?string)
?...

我们看 Group By Operator，里面有 keys: id (type: int) 说明按照 id 进行分组的，再往下看还有 sort order: + ，说明是按照 id 字段进行正序排序的。

3. 哪条sql执行效率高呢？

观察两条sql语句

SELECT
????a.id,
????b.user_name
FROM
????test1?a
JOIN?test2?b?ON?a.id?=?b.id
WHERE
????a.id?>?2;

SELECT
????a.id,
????b.user_name
FROM
????(SELECT?*?FROM?test1?WHERE?id?>?2)?a
JOIN?test2?b?ON?a.id?=?b.id;

这两条sql语句输出的结果是一样的，钱柜新疆时时彩q群：但是哪条sql执行效率高呢 ?
有人说第一条sql执行效率高，因为第二条sql有子查询，子查询会影响性能 ?
有人说第二条sql执行效率高，因为先过滤之后，在进行join时的条数减少了，所以执行效率就高了

到底哪条sql效率高呢，我们直接在sql语句前面加上 explain，看下执行计划不就知道了嘛

在第一条sql语句前加上 explain，得到如下结果

hive?(default)>?explain?select?a.id,b.user_name?from?test1?a?join?test2?b?on?a.id=b.id?where?a.id?>2;
OK
Explain
STAGE?DEPENDENCIES:
??Stage-4?is?a?root?stage
??Stage-3?depends?on?stages:?Stage-4
??Stage-0?depends?on?stages:?Stage-3

STAGE?PLANS:
??Stage:?Stage-4
????Map?Reduce?Local?Work
??????Alias?->?Map?Local?Tables:
????????$hdt$_0:a
??????????Fetch?Operator
????????????limit:?-1
??????Alias?->?Map?Local?Operator?Tree:
????????$hdt$_0:a
??????????TableScan
????????????alias:?a
????????????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????Filter?Operator
??????????????predicate:?(id?>?2)?(type:?boolean)
??????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????Select?Operator
????????????????expressions:?id?(type:?int)
????????????????outputColumnNames:?_col0
????????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????????HashTable?Sink?Operator
??????????????????keys:
????????????????????0?_col0?(type:?int)
????????????????????1?_col0?(type:?int)

??Stage:?Stage-3
????Map?Reduce
??????Map?Operator?Tree:
??????????TableScan
????????????alias:?b
????????????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????Filter?Operator
??????????????predicate:?(id?>?2)?(type:?boolean)
??????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????Select?Operator
????????????????expressions:?id?(type:?int),?user_name?(type:?string)
????????????????outputColumnNames:?_col0,?_col1
????????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????????Map?Join?Operator
??????????????????condition?map:
???????????????????????Inner?Join?0?to?1
??????????????????keys:
????????????????????0?_col0?(type:?int)
????????????????????1?_col0?(type:?int)
??????????????????outputColumnNames:?_col0,?_col2
??????????????????Statistics:?Num?rows:?2?Data?size:?27?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????????Select?Operator
????????????????????expressions:?_col0?(type:?int),?_col2?(type:?string)
????????????????????outputColumnNames:?_col0,?_col1
????????????????????Statistics:?Num?rows:?2?Data?size:?27?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????????????File?Output?Operator
??????????????????????compressed:?false
??????????????????????Statistics:?Num?rows:?2?Data?size:?27?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????????????table:
??????????????????????????input?format:?org.apache.hadoop.mapred.SequenceFileInputFormat
??????????????????????????output?format:?org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat
??????????????????????????serde:?org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
??????Local?Work:
????????Map?Reduce?Local?Work

??Stage:?Stage-0
????Fetch?Operator
??????limit:?-1
??????Processor?Tree:
????????ListSink

在第二条sql语句前加上 explain，得到如下结果

hive?(default)>?explain?select?a.id,b.user_name?from(select?*?from??test1?where?id>2?)?a?join?test2?b?on?a.id=b.id;
OK
Explain
STAGE?DEPENDENCIES:
??Stage-4?is?a?root?stage
??Stage-3?depends?on?stages:?Stage-4
??Stage-0?depends?on?stages:?Stage-3

STAGE?PLANS:
??Stage:?Stage-4
????Map?Reduce?Local?Work
??????Alias?->?Map?Local?Tables:
????????$hdt$_0:test1
??????????Fetch?Operator
????????????limit:?-1
??????Alias?->?Map?Local?Operator?Tree:
????????$hdt$_0:test1
??????????TableScan
????????????alias:?test1
????????????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????Filter?Operator
??????????????predicate:?(id?>?2)?(type:?boolean)
??????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????Select?Operator
????????????????expressions:?id?(type:?int)
????????????????outputColumnNames:?_col0
????????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????????HashTable?Sink?Operator
??????????????????keys:
????????????????????0?_col0?(type:?int)
????????????????????1?_col0?(type:?int)

??Stage:?Stage-3
????Map?Reduce
??????Map?Operator?Tree:
??????????TableScan
????????????alias:?b
????????????Statistics:?Num?rows:?6?Data?size:?75?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????Filter?Operator
??????????????predicate:?(id?>?2)?(type:?boolean)
??????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????Select?Operator
????????????????expressions:?id?(type:?int),?user_name?(type:?string)
????????????????outputColumnNames:?_col0,?_col1
????????????????Statistics:?Num?rows:?2?Data?size:?25?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????????Map?Join?Operator
??????????????????condition?map:
???????????????????????Inner?Join?0?to?1
??????????????????keys:
????????????????????0?_col0?(type:?int)
????????????????????1?_col0?(type:?int)
??????????????????outputColumnNames:?_col0,?_col2
??????????????????Statistics:?Num?rows:?2?Data?size:?27?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????????Select?Operator
????????????????????expressions:?_col0?(type:?int),?_col2?(type:?string)
????????????????????outputColumnNames:?_col0,?_col1
????????????????????Statistics:?Num?rows:?2?Data?size:?27?Basic?stats:?COMPLETE?Column?stats:?NONE
????????????????????File?Output?Operator
??????????????????????compressed:?false
??????????????????????Statistics:?Num?rows:?2?Data?size:?27?Basic?stats:?COMPLETE?Column?stats:?NONE
??????????????????????table:
??????????????????????????input?format:?org.apache.hadoop.mapred.SequenceFileInputFormat
??????????????????????????output?format:?org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat
??????????????????????????serde:?org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
??????Local?Work:
????????Map?Reduce?Local?Work

??Stage:?Stage-0
????Fetch?Operator
??????limit:?-1
??????Processor?Tree:
????????ListSink

大家有什么发现，除了表别名不一样，其他的执行计划完全一样，都是先进行 where 条件过滤，在进行 join 条件关联。说明 hive 底层会自动帮我们进行优化，所以这两条sql语句执行效率是一样的。

最后

以上仅列举了3个我们生产中既熟悉又有点迷糊的例子，explain 还有很多其他的用途，如查看stage的依赖情况、排查数据倾斜、hive 调优等，小伙伴们可以自行尝试。

?著作权归作者所有：来自51CTO博客作者园陌的原创作品，如需转载，请注明出处，否则将追究法律责任

钱柜新疆时时彩q群：每一份赞赏源于懂得

赞赏

0人进行了赞赏支持

上一篇：Hive底层原理：explain... 下一篇：面试系列一：精选大数据面试真题1...

园陌

18篇文章，3W+人气，2粉丝

专注于大数据技术研究

关注

Ctrl+Enter 发布

发布

取消

关注TA解锁更多精彩文章

关注

园陌

好课推荐更多

澳门金沙在线娱乐登入

扫一扫,领取大礼包

澳门永利网上娱乐手机登入

澳门金沙在线娱乐登入	ag电子游戏开户	皇家HB电子最牛攻略	普京赌场马头网上娱乐场	海天娱乐对战
澳门银河酒店特殊服务网上娱乐场	澳门万赢70万	大发888北京赛车(PK10)开奖结果	澳门皇冠亚洲	菲律宾申博怎么充值游戏网上娱乐场
正大国际AG国际馆开奖结果	澳门娱乐场排名网上娱乐场	太阳城街道	2016永利皇宫最新消息登入	官也街到渔人码头
赌王娱乐场开户登入	申博官网登入2007	电子游戏登入下载登入	澳门太阳城赌城攻略	皇城娱乐网上娱乐场

钱柜新疆时时彩q群：Hive底层原理：explain执行计划详解

理论

实践

1. join 语句会过滤 null 的值吗？

2. group by 分组语句会进行排序吗？

3. 哪条sql执行效率高呢？

最后

钱柜新疆时时彩q群：每一份赞赏源于懂得

18篇文章，3W+人气，2粉丝

专注于大数据技术研究

推荐专栏更多

前百度高级工程师的架构高可用实战

共15章 | 曹林华

￥51.00 523人订阅

好课推荐更多