Hive explain执行计划详解

 简介：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

一、EXPLAIN 参数介绍

语法 :

EXPLAIN [EXTENDED|CBO|AST|DEPENDENCY|AUTHORIZATION|LOCKS|VECTORIZATION|ANALYZE] querySql

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

二、简单sum例子

2.1 执行计划查询Sql和结果

explain select sum(id) from dw.ods_bdg_db_statistics_compass_property  where dt='20220627';

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: ods_bdg_db_statistics_compass_property
            Statistics: Num rows: 7794 Data size: 31177 Basic stats: COMPLETE Column stats: NONE
            Select Operator
              expressions: id (type: int)
              outputColumnNames: id
              Statistics: Num rows: 7794 Data size: 31177 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: true
            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

2.2 执行计划最外层

stage dependencies： 各个stage之间的依赖性

stage plan： 各个stage的执行计划

 

2.2.1 stage dependencies：各个stage之间的依赖性，该部分解读

包含两个 (Stage-1、Stage-0)  Stage-1 是root Stage。

Stage-0 依赖 Stage-1，说明Stage-1执行完成后执行Stage-0。

 

2.2.2 stage plan（各个stage的执行计划），该部分解读。执行计划分为Stage-1、Stage-0，Stage-1执行完执行0

2.2.2.1  Stage-1中有个Map Reduce，一个MR的执行计划分为两部分

Map Operator Tree： MAP端的执行计划树

Reduce Operator Tree： Reduce端的执行计划树

 

2.2.2.1.1 Map Operator Tree：MAP端的执行计划树

map端第一个操作肯定是加载表，所以就是 TableScan 表扫描操作

alias： 表名称

Statistics： 表统计信息，包含表中数据条数，数据大小等

Select Operator： 选取操作，常见的属性 ：

  expressions：需要的字段名称及字段类型

  outputColumnNames：输出的列名称

  Statistics：表统计信息，包含表中数据条数，数据大小等

  Group By Operator：分组聚合操作，常见的属性：

    aggregations：显示聚合函数信息

    mode：聚合模式，值有 hash：随机聚合，就是hash partition；partial：局部聚合；final：最终聚合

    keys：分组的字段，如果没有分组，则没有此字段

    outputColumnNames：聚合之后输出列名

    Statistics： 表统计信息，包含分组聚合之后的数据条数，数据大小等

    Reduce Output Operator:输出到reduce操作

      sort order：值为空 不排序；  值为 + 正序排序;    值为 - 倒序排序； 值为 +-  排序的列为两列，第一列为正序，第二列为倒序

      Statistics: 统计信息 Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE

      value expressions: _col0 (type: bigint)

2.2.2.1.2 Reduce Operator Tree: Reduce端的执行计划树

sql是sum，所以算子是group by

Group By Operator

  aggregations: 聚合函数信息 sum(VALUE._col0)

  mode: mergepartial 聚合模式，值有 hash：随机聚合，就是hash partition；partial：局部聚合；final：最终聚合 

  outputColumnNames:  输出列名_col0

  Statistics: 统计信息Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE

  File Output Operator

    compressed: 是否压缩 true

    Statistics: 统计信息Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE

    table:

      input format:  输入格式org.apache.hadoop.mapred.SequenceFileInputFormat

      output format: 输出格式org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat

      serde: 序列化 org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe

2.2.2.1.3 其它操作

Filter Operator：过滤操作，常见的属性：

  predicate：过滤条件，如sql语句中的where id>=1，则此处显示(id >= 1)

Map Join Operator：join 操作，常见的属性：

  condition map：join方式 ，如Inner Join 0 to 1 Left Outer Join0 to 2

  keys: join 的条件字段

  outputColumnNames： join 完成之后输出的字段

  Statistics： join 完成之后生成的数据条数，大小等

File Output Operator：文件输出操作，常见的属性

  compressed：是否压缩

  table：表的信息，包含输入输出文件格式化方式，序列化方式等

Fetch Operator 客户端获取数据操作，常见的属性：

  limit，值为 -1 表示不限制条数，其他值为限制的条数

 

 

2.3 子查询性能对比

例1
explain
SELECT
    tab1.event_id,
    tab2.id
from dw.ods_bdg_db_statistics_tab1 tab1
LEFT JOIN dw.ods_bdg_db_statistics_tab2 tab2 
ON tab1.property_id = tab2.id and tab1.dt=tab2.dt 
WHERE tab1.dt = '20220627'
and tab1.property_id=983

例2
explain
SELECT tab1.event_id,tab2.id
FROM (select  dt,event_id,property_id from dw.ods_bdg_db_statistics_tab1 where dt = '20220627' and property_id=983) tab1
LEFT JOIN  dw.ods_bdg_db_statistics_tab2  tab2 
ON tab1.property_id = tab2.id and tab1.dt=tab2.dt  
WHERE tab1.dt = '20220627' 

生成的执行计划，该例子不带子查询性能要好些

left join不带子查询例子，tab2自动带筛选条件性能还高。子查询tab2没筛选，扫描数据量大一些
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: tab1
            Statistics: Num rows: 789 Data size: 82063 Basic stats: COMPLETE Column stats: NONE
            Filter Operator
              predicate: (property_id = 983) (type: boolean)
              Statistics: Num rows: 394 Data size: 40979 Basic stats: COMPLETE Column stats: NONE
              Reduce Output Operator
                key expressions: property_id (type: int), dt (type: string)
                sort order: ++
                Map-reduce partition columns: property_id (type: int), dt (type: string)
                Statistics: Num rows: 394 Data size: 40979 Basic stats: COMPLETE Column stats: NONE
                value expressions: event_id (type: string)
          TableScan
            alias: tab2
            Statistics: Num rows: 7794 Data size: 31177 Basic stats: COMPLETE Column stats: NONE
            Filter Operator
              predicate: (id = 983) (type: boolean)
              Statistics: Num rows: 3897 Data size: 15588 Basic stats: COMPLETE Column stats: NONE
              Reduce Output Operator
                key expressions: id (type: int), dt (type: string)
                sort order: ++
                Map-reduce partition columns: id (type: int), dt (type: string)
                Statistics: Num rows: 3897 Data size: 15588 Basic stats: COMPLETE Column stats: NONE
      Reduce Operator Tree:
        Join Operator
          condition map:
               Left Outer Join0 to 1
          keys:
            0 property_id (type: int), dt (type: string)
            1 id (type: int), dt (type: string)
          outputColumnNames: _col1, _col10
          Statistics: Num rows: 4286 Data size: 17146 Basic stats: COMPLETE Column stats: NONE
          Select Operator
            expressions: _col1 (type: string), _col10 (type: int)
            outputColumnNames: _col0, _col1
            Statistics: Num rows: 4286 Data size: 17146 Basic stats: COMPLETE Column stats: NONE
            File Output Operator
              compressed: true
              Statistics: Num rows: 4286 Data size: 17146 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