hive源码(四)前三篇总结
第一篇基本上都是一些异常处理、常用方式处理。
第二篇基本上钩子函数处理比较多,重点就是把SQL转成了AST标准语法树
第三篇目前来说有几点:AST转QB、QB转Operators Operators优化相关的debug了一下,但是感觉前面的还是有点不熟悉,就先暂停回顾一下
第一篇的总结
org.apache.hadoop.hive.cli.CliDriver 类主要做了什么?
初始化日志、变量的设置(hive -d)、设置数据库、-i -S参数
等待输入参数;结尾 匹配里面的字符串quit source ! 剩余的就是-e 一句一句的执行就行了 curl+c杀掉任务处理
总体来说第一篇还是比较简单的
第一个类org.apache.hadoop.hive.cli.CliDriver为什么跳到第二个类org.apache.hadoop.hive.ql.Driver
org.apache.hadoop.hive.cli.CliDriver 类 processCmd方法里面有一句
CommandProcessor proc = CommandProcessorFactory.get(tokens, (HiveConf) conf) 往里面进
CommandProcessor result = getForHiveCommand(cmd, conf); 往里面进
getForHiveCommandInternal(cmd, conf, false); 往里面进
重点方法: CommandProcessor result = getForHiveCommand(cmd, conf);
if (result != null) {
return result;
}
if (isBlank(cmd[0])) {
return null;
} else {
return DriverFactory.newDriver(conf);//重点方法
}
newDriver(getNewQueryState(conf), null, null); //往里面进
if (!enabled) {
return new Driver(queryState, userName, queryInfo); //就是这个小泥鳅
}
第二篇的总结
hive执行任务的那一串uuid是从哪生成的
org.apache.hadoop.hive.ql.Driver类compile 方法 545行
String queryId = queryState.getQueryId();
SQL是怎么转换为 ASTNode
利用Antlr将SQL转换为KW_** TOK_**类似的树形结构 下图有样例
Antlr配置文件如下:
FromClauseParser.g:from后面的sql的匹配规则 SelectClauseParser.g:select后面的sql的匹配规则
IdentifiersParser.g:函数的解析 HiveParser.g:语法解析的
上面基本上就是一些关键字,下面主要是函数都是一个关键字组成的语法:一个init和after函数
init其实大部分是打印日志的 after主要枚举了可以执行的语法
样例SQL:select id,user_id from ( select id from data group by id)a inner join( select user_id from data group by user_id)b on a.id = b.user_id
下面这个方法,实在是不适合debug,代码嵌套太深,里面的方法太类似了。不断的去匹配 下一个关键字 然后调用对应的方法。
其实能从里面看到是抽象语法树的结构的,嫌弃麻烦的直接跳过,因为这个代码不是人共写的,所以还好
类位置:
org.apache.hadoop.hive.ql.Driver类 compile 方法 616 行
tree = ParseUtils.parse(command, ctx);//继续进去
return parse(command, ctx, null);//继续进去
ASTNode tree = pd.parse(command, ctx, viewFullyQualifiedName);//继续进去
org.apache.hadoop.hive.ql.parse类 parse 方法 195 行 //目标函数
TokenRewriteStream tokens = new TokenRewriteStream(lexer); //重点方法 下面是详解过程
tokens 里面有一个变量 tokens 保存里面的单词空格等格式,一个单词一个数组单元,组成一个字符串数组
r = parser.statement();220 //在这个里面进行解析 往里面进
org.apache.hadoop.hive.ql.parse.HiveParser 类 statement 方法 1361 行
//explain开头 对应一种处理方式 其他对应第二种处理方式
execStatement3=execStatement();//重点方法继续跟进
select->1 load->2 export->3 import->4 dump->5 load->6 status->7 use->8 delete->9 update->10 start->11 merge->12
上面的每一个方法都有一个对应的***Statement()方法,此处只看:queryStatementExpression();
queryStatementExpression25=queryStatementExpression();//接着往里面进
qqueryStatementExpressionBody1001=queryStatementExpressionBody(); // queryStatementExpression()方法里面的重点方法,继续跟进
from->1 insert,map,reduce,lparen->2
regularBody1003=regularBody();//构建方法,继续跟进
from->1 insert,map,reduce,lparen->2
selectStatement1016=selectStatement();//继续跟进
a=atomSelectStatement();
s=selectClause();
selectClause 878行
selectList4=selectList(); //循环每个节点
selectItem7=selectItem();//最底层的ID属性
selectItem9=selectItem();//最底层的USER_ID属性
f=fromClause(); 39792行
fromSource13=fromSource(); //1370行
joinSource18=joinSource();
atomjoinSource32=atomjoinSource();//1903行
subQuerySource23=subQuerySource();//1696行
queryStatementExpression123=gHiveParser.queryStatementExpression();//4789行
queryStatementExpressionBody1001=queryStatementExpressionBody();//38788行
regularBody1003=regularBody();//38900行
selectStatement1016=selectStatement();//39690行
a=atomSelectStatement();//40044行
s=selectClause();//39777行
selectList4=selectList();//1004行
selectItem7=selectItem();//1209行
expression23=gHiveParser.expression();//1720行
precedenceOrExpression167=precedenceOrExpression();//6870行
precedenceAndExpression268=precedenceAndExpression();//10791
precedenceNotExpression264=precedenceNotExpression();//10650
precedenceEqualExpression262=precedenceEqualExpression();//10514
precedenceSimilarExpression259=precedenceSimilarExpression();//10254
precedenceSimilarExpressionMain231=precedenceSimilarExpressionMain();//9040
f=fromClause();//39792
fromSource13=fromSource();//1370
joinSource18=joinSource();//1527
atomjoinSource32=atomjoinSource();//1903
tableSource19=tableSource();//1602
g=groupByClause();//39831
groupby_expression3=groupby_expression();//905
rollupOldSyntax5=rollupOldSyntax();//1277
expr=expressionsNotInParenthesis(false, false);//1630
first=expression();//2365
precedenceOrExpression167=precedenceOrExpression();//6870
precedenceAndExpression268=precedenceAndExpression();//10791
precedenceNotExpression264=precedenceNotExpression();//10650
precedenceEqualExpression262=precedenceEqualExpression();//10541
precedenceSimilarExpression259=precedenceSimilarExpression();//10254
precedenceSimilarExpressionMain231=precedenceSimilarExpressionMain();//9040
a=precedenceBitwiseOrExpression();//9144
precedenceAmpersandExpression219=precedenceAmpersandExpression();//8661
precedenceConcatenateExpression215=precedenceConcatenateExpression();//8524
precedencePlusExpression212=precedencePlusExpression();//8314
precedenceStarExpression208=precedenceStarExpression();//8175
precedenceBitwiseXorExpression204=precedenceBitwiseXorExpression();//8032
precedenceUnarySuffixExpression200=precedenceUnarySuffixExpression();7889
precedenceUnaryPrefixExpression197=precedenceUnaryPrefixExpression();
precedenceFieldExpression196=precedenceFieldExpression();//7671
atomExpression179=atomExpression();7172
tableOrColumn177=gHiveParser.tableOrColumn();7095
identifier126=gHiveParser.identifier();4815
joinToken33=joinToken();//1922
joinSourcePart34=joinSourcePart();//1927
subQuerySource41=subQuerySource();//2067
queryStatementExpression123=gHiveParser.queryStatementExpression();//4789
queryStatementExpressionBody1001=queryStatementExpressionBody();//38788
.......和上面的一样了
expression36=gHiveParser.expression();1947
precedenceOrExpression167=precedenceOrExpression();6870
precedenceAndExpression268=precedenceAndExpression();10791
.......和上面的一样了
抽象语法树样例:
TOK_QUERY
TOK_FROM
TOK_JOIN
TOK_SUBQUERY
TOK_QUERY
TOK_FROM
TOK_TABREF
TOK_TABNAME
data
TOK_INSERT
TOK_DESTINATION
TOK_DIR
TOK_TMP_FILE
TOK_SELECT
TOK_SELEXPER
TOK_TABLE_OR_COL
ID
TOK_GROUPBY
TOK_TABLE_OR_COL
ID
a
TOK_SUBQUERY
TOK_QUERY
TOK_FROM
TOK_TABREF
TOK_TABNAME
data
TOK_INSERT
TOK_DESTINATION
TOK_DIR
TOK_TMP_FILE
TOK_SELECT
TOK_SELEXPER
TOK_TABLE_OR_COL
user_id
TOK_GROUPBY
TOK_TABLE_OR_COL
user_id
b
=
.
TOK_TABLE_OR_COL
a
id
.
TOK_TABLE_OR_COL
b
user_id
TOK_INSERT
TOK_DESTINATION
TOK_DIR
TOK_TMP_FILE
TOK_SELECT
TOK_SELEXPR
TOK_TABLE_OR_COL
id
TOK_SELEXPR
TOK_TABLE_OR_COL
user_id
org.apache.hadoop.hive.ql.Driver 类怎么跳转到第三个类org.apache.hadoop.hive.ql.parse.BaseSemanticAnalyzer?
SemanticAnalyzerFactory.get 方法:
//重要方法 继续调用
1.BaseSemanticAnalyzer sem = getInternal(queryState, tree);
if(queryState.getHiveOperation() == null) {
String query = queryState.getQueryString();
if(query != null && query.length() > 30) {
query = query.substring(0, 30);
}
String msg = "Unknown HiveOperation for query='" + query + "' queryId=" + queryState.getQueryId();
LOG.debug(msg);
}
return sem;
2.SemanticAnalyzerFactory.getInternal 方法
//里面大批量的case when 最后有一句 前提是使用select语句进行调试
default: {
SemanticAnalyzer semAnalyzer = HiveConf.getBoolVar(queryState.getConf(), HiveConf.ConfVars.HIVE_CBO_ENABLED) ? new CalcitePlanner(queryState) : new SemanticAnalyzer(queryState);
return semAnalyzer;
}
返回的是 CalcitePlanner 类
//tree => token => type (954) text(TOK_QUERY)
第三篇的总结
AST树如何转换为QB
SQL样例:select id,user_id from ( select id from data group by id)a inner join( select user_id from data group by user_id)b on a.id = b.user_id
其实上一篇已经介绍了方法的入口,在这贴一个最终的结果吧。
QB对象部分属性如下:
qbp对象其实还是保存的AST的语法结构的。1.把最终结果的提取出来了 2.简化了很多树的节点的
aliasToSubq
a QBExpr 对象(里面有一整个QB对象)
b QBExpr 对象
aliases
a
b
qbp
joinExpr TOK_JOIN
TOK_SUBQUERY
TOK_QUERY
TOK_FROM
data
TOK_INSERT
TOK_DESTINATION
TOK_TMP_FILE
TOK_SELEXPR
id
TOK_GROUPBY
id
a
TOK_SUBQUERY
TOK_QUERY
TOK_FROM
data
TOK_INSERT
TOK_DESTINATION
TOK_TMP_FILE
TOK_SELEXPR
user_id
TOK_GROUPBY
user_id
b
=
id
user_id
queryFromExpr joinExpr的父类结构
QB转Operator
同样的代码已经介绍了,这就贴一个最终的结果吧。
parentOperators 属性如下
FS[18] conf file:/tmp/root/cc21a753-af66-4519-ae70-85fc1c2b9e60/当前写出路径
SEL[17] Column[_col0] Column[_col1]
JOIN[16] outputColumnNames _col0 aliasToOpInfo a | _col1 aliasToOpInfo b
RS[13] valueCols Column[_col0]
FIL[12]
SEL[5] _col0
GBY[4] KEY._col0
RS[3] _col0
GBY[2] Column[id]
SEL[1] Column[id] Column[user_id] Column[pending_reward] Column[description] Column[BLOCK__OFFSET__INSIDE__FILE] Column[INPUT__FILE__NAME] Column[ROW__ID]
TS[0] dbName=default tableName=data BLOCKOFFSET FILENAME ROWID
RS[15] Column[_col0]
FIL[14]
SEL[11] _col0
GBY[10] KEY._col0
RS[9] _col0
GBY[8] Column[user_id]
SEL[7] Column[id] Column[user_id] Column[pending_reward] Column[description] Column[BLOCK__OFFSET__INSIDE__FILE] Column[INPUT__FILE__NAME] Column[ROW__ID]
TS[6] dbName=default tableName=data BLOCKOFFSET FILENAME ROWID
上面的树状结构其实是比较符合正常的SQL理解的。其实这一块我有一个疑问:AST为什么不直接转换成Operator呢。(可能是因为太直接了不好吧,分层的原理)
搬砖多年终不得要领,遂载源码看之望得真经。