Hive底层原理：explain执行计划详解

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