Spark sql的批處理物理計(jì)劃BatchScanExec有什么用

這篇文章將為大家詳細(xì)講解有關(guān)Spark sql的批處理物理計(jì)劃BatchScanExec有什么用，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

BatchScanExec是batch類(lèi)的物理計(jì)劃，對(duì)應(yīng)的邏輯計(jì)劃是DataSourceV2Relation，是Datasource。

它的入?yún)⑹荢can類(lèi)，Scan類(lèi)有兩個(gè)重要方法，一個(gè)獲取分區(qū)列表信息；另一個(gè)方法獲取讀取器工廠(chǎng)。

override lazy val partitions: Seq[InputPartition] = batch.planInputPartitions()
  override lazy val readerFactory: PartitionReaderFactory = batch.createReaderFactory()
  override lazy val inputRDD: RDD[InternalRow] = {
    new DataSourceRDD(sparkContext, partitions, readerFactory, supportsColumnar)
  }

planInputPartitions方法獲取分區(qū)列表；createReaderFactory獲取分區(qū)讀取者工廠(chǎng)，這兩者決定一個(gè)DataSourceRDD來(lái)作為inputRDD對(duì)象。

對(duì)于傳統(tǒng)的DataSource類(lèi)，只要實(shí)現(xiàn)對(duì)應(yīng)數(shù)據(jù)源的Scan子類(lèi)就可以使用了。

而StreamingDataSourceV2Relation對(duì)應(yīng)的物理計(jì)劃是MicroBatchScanExec和ContinuousScanExec，這時(shí)候Scan就不用了，而使用MicroBatchStream和ContinuousStream兩個(gè)流的定義類(lèi)。

關(guān)于“Spark sql的批處理物理計(jì)劃BatchScanExec有什么用”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。