Hive SQL编译成MapReduce任务的过程

本文主要是介绍Hive SQL编译成MapReduce任务的过程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、 Hive 底层执行架构

1.1 Hive底层架构

上图的基本流程是：

• 步骤1：Client 客户端调用 Driver的接口；
• 步骤2：Driver驱动器为查询创建会话句柄，并将查询发送到 Compiler(编译器组件)生成执行计划；
• 步骤3和4：编译器从元数据存储库中获取本次查询所需要的元数据；
• 步骤5：编译器生成各个阶段Stage的执行计划，如果是一个MR任务，该执行计划分为两部分：Map Operator Tree（map端的执行计划树）和Reduce Operator Tree（reduce端的执行计划树）,再将生成的计划发给Driver；
• 步骤6：Driver将执行计划发给执行引擎Execution Engine；

步骤6.1 / 6.2  /6.3 /6.4：执行引擎将这些阶段Stage的具体执行内容提交给对应的组件。在每个 Task(mapper/reducer) 任务中，从HDFS文件中读取与表相关的数据，并通过算子树依次传递。最终的数据集借助序列化器写入到临时的HDFS文件中。

• 步骤7、8：临时HDFS文件的内容由执行引擎读取后，通过Driver驱动器发送给Client 客户端

二、Hive SQL 编译成MR任务的流程

2.1 HQL转换为MR源码整体流程介绍

2.2 程序入口—CliDriver

我们执行一个 HQL 语句通常有以下几种方式：

1 ） $HIVE_HOME/bin/hive 进入客户端，然后执行 HQL ；

2 ） $HIVE_HOME/bin/hive -e “hql” ；

3 ） $HIVE_HOME/bin/hive -fhive.sql ；

4 ）先开启 hivesever2 服务端，然后通过 JDBC 方式连接远程提交 HQL 。

可以知道我们执行 HQL 主要依赖于 $HIVE_HOME/bin/hive  和  $HIVE_HOME/bin/

而在这两个脚本中，最终启动的 JAVA 程序的主类为

“ org.apache.hadoop.hive.cli.CliDriver ” ，所以其实 Hive程序的入口就是“CliDriver ”这个类。

2.3 HQL编译成MR任务的详细过程—Driver

2.3.1 将HQL语句转换成AST抽象语法树

• 词法、语法解析:  Antlr 定义 SQL 的语法规则，完成 SQL 词法，语法解析，将 SQL 转化为抽象语法树 AST Tree；

 例如：AST如下图：

2.3.2 将AST转换成TaskTree

• 语义解析:  遍历 AST Tree，抽象出一条SQL最基本组成单元 QueryBlock（查询块），该块包括三个部分：输入源，计算过程，输出。简单而言一个QueryBlock就是一个子查询。

• 生成逻辑执行计划:  遍历 QueryBlock，翻译为执行操作树 OperatorTree（操作树，也就是逻辑执行计划）；Hive最终生成的MapReduce任务，Map阶段和Reduce阶段均由OperatorTree组成。基本的操作符包括：

1. TableScanOperator

2. SelectOperator

3. FilterOperator

4. JoinOperator

5. GroupByOperator

6. ReduceSinkOperator

      Operator操作算子在Map Reduce阶段之间的数据传递是一个流式的过程。每一个Operator对一行数据操作之后将数据传递给childOperator计算。

    由于Join/GroupBy需要在Reduce阶段完成，所以在生成相应操作的Operator之前都会先生成一个ReduceSinkOperator，将字段组合并序列化为Reduce KeyReduce /value, Partition Key。

• 优化逻辑执行计划: 逻辑优化器对OperatorTree（操作树）进行逻辑优化。例如合并不必要的ReduceSinkOperator，减少数据传输及 shuffle 数据量；

    Hive中的逻辑查询优化可以大致分为以下几类：

1. 投影修剪

2. 谓词下推

3. 多路 Join

• 生成物理执行计划:  遍历 OperatorTree，转换成MR任务。生成物理执行计划即是将逻辑执行计划生成的OperatorTree转化为MapReduce Job的过程。

      HQL编译成MapReduce具体原理：

      以下面这个SQL为例，阐述join的实现过程：

select u.name, o.orderid 
from order o 
join user u on o.uid = u.uid;

 执行流程图：

• 优化物理执行计划：物理优化器对进行TaskTree进行物理优化；

Hive中的物理优化可以大致分为以下几类：

1. 分区修剪(Partition Pruning)

2. 基于分区和桶的扫描修剪(Scan pruning)

3. 在某些情况下，在 mapper端进行 Group By分组的预聚合

4. 在 mapper端执行Join（map join）

5. 如果是简单的select查询，可以设置为本地执行，避免使用MapReduce作业

    经过2.3.1 及2.3.2 这六个阶段，HQL就被解析映射成了集群上的 MR任务。

2.3.3 提交任务并执行

• 获取MR临时工作目录
• 定义Partitioner
• 定义Mapper和Reducer
• 实例化Job任务
• 提交Job任务并执行

这篇关于Hive SQL编译成MapReduce任务的过程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---