学会hive中的explain 能为我们在生产实践中带来哪些便利?

园陌

    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
    
    
    1  2  下一页>