Hive SQL的编译过程：美团数据仓库(转)

《Hive SQL的编译过程：美团数据仓库(转)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、HiveSQL的编译过程：美团数据仓库(转)2016年2月1日16:00HiveSQL的编译过程：美团数据仓库(转)Hive是基于Hadoop的一个数据仓库系统，在各大公司都有广泛的应用。美团数据仓库也是基于Hive搭建，每天执行近万次的HiveETL计算流程，负责每天数百GB的数据存储和分析。Hive的稳定性和性能对我们的数据分析非常关键。在几次升级Hive的过程中，我们遇到了一些大大小小的问题。通过向社区的咨询和自己的努力，在解决这些问题的同时我们对Hive将SQL编译为MapReduce的过程有了比较深入的理解。对这一过程的理解不仅帮助我们解决了一些H

2、ive的bug，也有利于我们优化HiveSQL，提升我们对Hive的掌控力，同时有能力去定制一些需要的功能。MapReduce实现基本SQL操作的原理详细讲解SQL编译为MapReduce之前，我们先来看看MapReduce框架实现SQL基本操作的原理Join的实现原理selectu.name,o.orderidfromorderojoinuseruono.uid=u.uid;在map的输出value中为不同表的数据打上tag标记，在reduce阶段根据tag判断数据来源。MapReduce的过程如下（这里只是说明最基本的Join的实现，还有其他的实现方式）

3、GroupBy的实现原理selectrank,isonline,count(*)fromcitygroupbyrank,isonline;将GroupBy的字段组合为map的输出key值，利用MapReduce的排序，在reduce阶段保存LastKey区分不同的key。MapReduce的过程如下（当然这里只是说明Reduce端的非Hash聚合过程）Distinct的实现原理selectdealid,count(distinctuid)numfromordergroupbydealid;当只有一个distinct字段时，如果不考虑Map阶段的HashGro

4、upBy，只需要将GroupBy字段和Distinct字段组合为map输出key，利用mapreduce的排序，同时将GroupBy字段作为reduce的key，在reduce阶段保存LastKey即可完成去重分区hive优化的第1页如果有多个distinct字段呢，如下面的SQLselectdealid,count(distinctuid),count(distinctdate)fromordergroupbydealid;实现方式有两种：（1）如果仍然按照上面一个distinct字段的方法，即下图这种实现方式，无法跟据uid和date分别排序，也就无法通

5、过LastKey去重，仍然需要在reduce阶段在内存中通过Hash去重（2）第二种实现方式，可以对所有的distinct字段编号，每行数据生成n行数据，那么相同字段就会分别排序，这时只需要在reduce阶段记录LastKey即可去重。这种实现方式很好的利用了MapReduce的排序，节省了reduce阶段去重的内存消耗，但是缺点是增加了shuffle的数据量。需要注意的是，在生成reducevalue时，除第一个distinct字段所在行需要保留value值，其余distinct数据行value字段均可为空。SQL转化为MapReduce的过程了解了Map

6、Reduce实现SQL基本操作之后，我们来看看Hive是如何将SQL转化为MapReduce任务的，整个编译过程分为六个阶段：1.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ASTTree2.遍历ASTTree，抽象出查询的基本组成单元QueryBlock3.遍历QueryBlock，翻译为执行操作树OperatorTree4.逻辑层优化器进行OperatorTree变换，合并不必要的ReduceSinkOperator，减少shuffle数据量5.遍历OperatorTree，翻译为MapReduce任务6.物理层优化

7、器进行MapReduce任务的变换，生成最终的执行计划下面分别对这六个阶段进行介绍Phase1SQL词法，语法解析AntlrHive使用Antlr实现SQL的词法和语法解析。Antlr是一种语言识别的工具，可以用来构造领域语言。这里不详细介绍Antlr，只需要了解使用Antlr构造特定的语言只需要编写一个语法文件，定义词法和语法替换规则即可，Antlr完成了词法分析、语法分析、语义分析、中间代码生成的过程。Hive中语法规则的定义文件在0.10版本以前是Hive.g一个文件，随着语法规则越来越复杂，由语法规则生成的Java分区hive优化的第2页即可，Ant

8、lr完成了词法分析、语法分析、语义分析、中间代码生成