hive的執(zhí)行流程

1. 執(zhí)行流程概述

查看hive語句的執(zhí)行流程：explain select ….from t_table …;

• 查看hive語句的執(zhí)行流程：explain select ….from t_table …;
• 操作符是hive的最小執(zhí)行單元
• Hive通過execmapper和execreducer執(zhí)行MapReduce程序，執(zhí)行模式有本地模式和分布式模式
• 每個操作符代表一個 HDFS 操作或者 MapReduce 作業(yè)
  hive的操作符：
  
  Hive編譯器的工作職責：
• Parser：將Hql語句轉(zhuǎn)換成抽像的語法書（Abstract Syntax Tree）
• Semantic Analyzer：將抽象語法樹轉(zhuǎn)換成查詢塊
• Logic Plan Generator：將查詢樹，轉(zhuǎn)換成邏輯查詢計劃
• Logic Optimizer：重寫邏輯查詢計劃，優(yōu)化邏輯執(zhí)行計劃
• Physical Plan Gernerator：將邏輯執(zhí)行計劃轉(zhuǎn)化為物理計劃
• Physical Optimizer：選擇最佳的join策略，優(yōu)化物理執(zhí)行計劃

2. Hive 工作原理

流程大致步驟為：

1.?用戶提交查詢等任務(wù)給Driver。

2.?編譯器獲得該用戶的任務(wù)Plan。

3.?編譯器Compiler根據(jù)用戶任務(wù)去MetaStore中獲取需要的Hive的元數(shù)據(jù)信息。

4.?編譯器Compiler得到元數(shù)據(jù)信息，對任務(wù)進行編譯，先將HiveQL轉(zhuǎn)換為抽象語法樹，然后將抽象語法樹轉(zhuǎn)換成查詢塊，將查詢塊轉(zhuǎn)化為邏輯的查詢計劃，重寫邏輯查詢計劃，將邏輯計劃轉(zhuǎn)化為物理的計劃（MapReduce）,?最后選擇最佳的策略。

5.?將最終的計劃提交給Driver。

6. Driver將計劃Plan轉(zhuǎn)交給ExecutionEngine去執(zhí)行，獲取元數(shù)據(jù)信息，提交給JobTracker或者SourceManager執(zhí)行該任務(wù)，任務(wù)會直接讀取HDFS中文件進行相應(yīng)的操作。

7.?獲取執(zhí)行的結(jié)果。

8.?取得并返回執(zhí)行結(jié)果。

3. hive的具體執(zhí)行過程分析

（1）Join（reduce join）

例：SELECT pv.pageid, u.age FROM page_view pv JOIN user u ON pv.userid = u.userid;

map 端：以 JOIN ON 條件中的列作為 Key，以page_view表中的需要字段，表標識作為value，最終通過key進行排序，也就是join字段進行排序。
shuffle端：根據(jù) Key 的值進行 Hash，并將 Key/Value 對按照 Hash 值推 至不同對 Reduce 中
reduce 端：根據(jù)key進行分組，根據(jù)不同的表的標識，拿出不同的數(shù)據(jù)，進行拼接。

（2）group by

例：SELECT pageid, age, count(1) FROM pv_users GROUP BY pageid, age;

map 端：
key：以pageid, age作為key,并且在map輸出端有combiner。
value ：1次
reduce 端：對value進行求和

（3）distinct

例：select distinct age from log;
map端：
key：age
value：null
reduce端：
一組只要一個輸出context.write(key,null)。

（4）distinct+count

例：select count(distinct userid) from weibo_temp;
即使設(shè)置了reduce個數(shù)為3個，最終也只會執(zhí)行一個，因為，count()是全局，只能開啟一個reducetask。
map端：
key：userid
value： null
reduce端：
一組只要一個，定義一個全局變量用于計數(shù)，在cleanup（Context context） 中輸出context.write(key,count)
當然distinct+count是一個容易產(chǎn)生數(shù)據(jù)傾斜的做法，應(yīng)該盡量避免，如果無法避免，那么就使用這種方法：
select count(1) from (select distinct userid from weibo_temp); 這樣可以并行多個reduce task任務(wù)，從而解決單節(jié)點的壓力過大。