您的位置:人工智能 > 大数据 > 学会hive中的explain 能为我们在生产实践中带来哪些便利?

学会hive中的explain 能为我们在生产实践中带来哪些便利?

【人工智能网】

不懂hive中的explain,说明hive还没入门,学会explain,能够给我们事情中使用hive带来极大的便利!

理论

本节将先容 explain 的用法及参数先容

HIVE提供了EXPLAIN下令来展示一个查询的执行设计,这个执行设计对于我们领会底层原理,hive 调优,排查数据倾斜等很有辅助

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,注重:这几个可选参数不是 hive 每个版本都支持的

EXTENDED:加上 extended 可以输出有关设计的分外信息。这通常是物理信息,例如文件名。这些分外信息对我们用处不大

CBO:输出由Calcite优化器天生的设计。CBO 从 hive 4.0.0 版本最先支持

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语句中使用会发生有关设计中输入的分外信息。它显示了输入的种种属性

AUTHORIZATION:显示所有的实体需要被授权执行(若是存在)的查询和授权失败

LOCKS:这对于领会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 最先支持

VECTORIZATION:将详细信息添加到EXPLAIN输出中,以显示为什么未对Map和Reduce举行矢量化。从 Hive 2.3.0 最先支持

ANALYZE:用现实的行数注释设计。从 Hive 2.2.0 最先支持

在 hive cli 中输入以下下令(hive 2.3.7):

explain select sum(id) from test1;

获得效果(请逐行看完,纵然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,是不是感受都看不懂,不要着急,下面将会详细解说每个参数,信托你学完下面的内容之后再看 explain 的查询效果将游刃有余。

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,也可以是认真元数据存储的stage,也可以是认真文件系统的操作(好比移动和重命名)的stage。

我们将上述效果拆分看,先从最外层最先,包罗两个大的部门:

stage dependencies: 各个stage之间的依赖性

stage plan: 各个stage的执行设计

先看第一部门 stage dependencies ,包罗两个 stage,Stage-1 是根stage,说明这是最先的stage,Stage-0 依赖 Stage-1,Stage-1执行完成后执行Stage-0。

再看第二部门 stage plan,内里有一个 Map Reduce,一个MR的执行设计分为两个部门:

性感可爱丝袜女郎高清写真
High definition photo of sexy and lovely stockings girl
上一篇:云计算基础设施逐渐成熟,中国SaaS已风至云起!
下一篇:一次众智计划,照见AI计算生态发展的标准范式

您可能喜欢