一文详解HiveSQL执行计划

Hive SQL的执行计划描述SQL实际执行的整体轮廓，通过执行计划能了解SQL程序在转换成相应计算引擎的执行逻辑，掌握了执行逻辑也就能更好地把握程序出现的瓶颈点，从而能够实现更有针对性的优化。可以说执行计划是打开SQL优化大门的一把钥匙。

要想学SQL执行计划，就需要学习查看执行计划的命令：explain，在查询语句的SQL前面加上关键字explain是查看执行计划的基本方法。

学会explain，能够给我们工作中使用hive带来极大的便利！

查看SQL的执行计划

Hive提供的执行计划目前可以查看的信息有以下几种：

explain：查看执行计划的基本信息；

explain 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；

explain authorization：查看SQL操作相关权限的信息；

explain vectorization：查看SQL的向量化描述信息，显示为什么未对Map和Reduce进行矢量化。从 Hive 2．3．0 开始支持；

explain analyze：用实际的行数注释计划。从 Hive 2．2．0 开始支持；

explain 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；

explain 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；

explain 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；

explain 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；

1． explain 的用法

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 query；

在 hive cli 中输入以下命令（hive 2．3．7）：

explain select sum（id） from test1；

得到结果：

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：

TableScan：表扫描操作，map端第一个操作肯定是加载表，所以就是表扫描操作，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 2keys： 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

2． explain 的使用场景

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

案例一：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null值的，大家可以自行尝试下。

案例二：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。