第五篇:Spark SQL Catalyst源码分析之Optimizer

/** Spark SQL源码分析系列文章*/

前几篇文章介绍了Spark SQL的Catalyst的核心运行流程SqlParser,和Analyzer 以及核心类库TreeNode,本文将详细讲解Spark SQL的Optimizer的优化思想以及Optimizer在Catalyst里的表现方式,并加上自己的实践,对Optimizer有一个直观的认识。

Optimizer的主要职责是将Analyzer给Resolved的Logical Plan根据不同的优化策略Batch,来对语法树进行优化,优化逻辑计划节点(Logical Plan)以及表达式(Expression),也是转换成物理执行计划的前置。如下图:

一、Optimizer

Optimizer这个类是在catalyst里的optimizer包下的唯一一个类,Optimizer的工作方式其实类似Analyzer,因为它们都继承自RuleExecutor[LogicalPlan],都是执行一系列的Batch操作:

Optimizer里的batches包含了3类优化策略:1、Combine Limits 合并Limits  2、ConstantFolding 常量合并 3、Filter Pushdown 过滤器下推,每个Batch里定义的优化伴随对象都定义在Optimizer里了:

[java] view plain copy

  1. object Optimizer extends RuleExecutor[LogicalPlan] {
  2. val batches =
  3. Batch("Combine Limits", FixedPoint(100),
  4. CombineLimits) ::
  5. Batch("ConstantFolding", FixedPoint(100),
  6. NullPropagation,
  7. ConstantFolding,
  8. BooleanSimplification,
  9. SimplifyFilters,
  10. SimplifyCasts,
  11. SimplifyCaseConversionExpressions) ::
  12. Batch("Filter Pushdown", FixedPoint(100),
  13. CombineFilters,
  14. PushPredicateThroughProject,
  15. PushPredicateThroughJoin,
  16. ColumnPruning) :: Nil
  17. }

另外提一点,Optimizer里不但对Logical Plan进行了优化,而且对Logical Plan中的Expression也进行了优化,所以有必要了解一下Expression相关类,主要是用到了references和outputSet,references主要是Logical Plan或Expression节点的所依赖的那些Expressions,而outputSet是Logical Plan所有的Attribute的输出:

如:Aggregate是一个Logical Plan, 它的references就是group by的表达式 和 aggreagate的表达式的并集去重。

[java] view plain copy

  1. case class Aggregate(
  2. groupingExpressions: Seq[Expression],
  3. aggregateExpressions: Seq[NamedExpression],
  4. child: LogicalPlan)
  5. extends UnaryNode {
  6. override def output = aggregateExpressions.map(_.toAttribute)
  7. override def references =
  8. (groupingExpressions ++ aggregateExpressions).flatMap(_.references).toSet
  9. }

二、优化策略详解

Optimizer的优化策略不仅有对plan进行transform的,也有对expression进行transform的,究其原理就是遍历树,然后应用优化的Rule,但是注意一点,对Logical Plantransfrom的是先序遍历(pre-order),而对Expression transfrom的时候是后序遍历(post-order):

2.1、Batch: Combine Limits

如果出现了2个Limit,则将2个Limit合并为一个,这个要求一个Limit是另一个Limit的grandChild。

[java] view plain copy

  1. /**
  2. * Combines two adjacent [[Limit]] operators into one, merging the
  3. * expressions into one single expression.
  4. */
  5. object CombineLimits extends Rule[LogicalPlan] {
  6. def apply(plan: LogicalPlan): LogicalPlan = plan transform {
  7. case ll @ Limit(le, nl @ Limit(ne, grandChild)) => //ll为当前Limit,le为其expression, nl是ll的grandChild,ne是nl的expression
  8. Limit(If(LessThan(ne, le), ne, le), grandChild) //expression比较,如果ne比le小则表达式为ne,否则为le
  9. }
  10. }

给定SQL:val query = sql("select * from (select * from temp_shengli limit 100)a limit 10 ")

[java] view plain copy

  1. scala> query.queryExecution.analyzed
  2. res12: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Limit 10
  4. Project [key#13,value#14]
  5. Limit 100
  6. Project [key#13,value#14]
  7. MetastoreRelation default, temp_shengli, None

子查询里limit100,外层查询limit10,这里我们当然可以在子查询里不必查那么多,因为外层只需要10个,所以这里会合并Limit10,和Limit100 为 Limit 10。

2.2、Batch: ConstantFolding

这个Batch里包含了Rules:NullPropagation,ConstantFolding,BooleanSimplification,SimplifyFilters,SimplifyCasts,SimplifyCaseConversionExpressions。

2.2.1、Rule:NullPropagation

这里先提一下Literal字面量,它其实是一个能匹配任意基本类型的类。(为下文做铺垫)

[java] view plain copy

  1. object Literal {
  2. def apply(v: Any): Literal = v match {
  3. case i: Int => Literal(i, IntegerType)
  4. case l: Long => Literal(l, LongType)
  5. case d: Double => Literal(d, DoubleType)
  6. case f: Float => Literal(f, FloatType)
  7. case b: Byte => Literal(b, ByteType)
  8. case s: Short => Literal(s, ShortType)
  9. case s: String => Literal(s, StringType)
  10. case b: Boolean => Literal(b, BooleanType)
  11. case d: BigDecimal => Literal(d, DecimalType)
  12. case t: Timestamp => Literal(t, TimestampType)
  13. case a: Array[Byte] => Literal(a, BinaryType)
  14. case null => Literal(null, NullType)
  15. }
  16. }

注意Literal是一个LeafExpression,核心方法是eval,给定Row,计算表达式返回值:

[java] view plain copy

  1. case class Literal(value: Any, dataType: DataType) extends LeafExpression {
  2. override def foldable = true
  3. def nullable = value == null
  4. def references = Set.empty
  5. override def toString = if (value != null) value.toString else "null"
  6. type EvaluatedType = Any
  7. override def eval(input: Row):Any = value
  8. }

现在来看一下NullPropagation都做了什么。

NullPropagation是一个能将Expression Expressions替换为等价的Literal值的优化,并且能够避免NULL值在SQL语法树的传播。

[java] view plain copy

  1. /**
  2. * Replaces [[Expression Expressions]] that can be statically evaluated with
  3. * equivalent [[Literal]] values. This rule is more specific with
  4. * Null value propagation from bottom to top of the expression tree.
  5. */
  6. object NullPropagation extends Rule[LogicalPlan] {
  7. def apply(plan: LogicalPlan): LogicalPlan = plan transform {
  8. case q: LogicalPlan => q transformExpressionsUp {
  9. case e @ Count(Literal(null, _)) => Cast(Literal(0L), e.dataType) //如果count(null)则转化为count(0)
  10. case e @ Sum(Literal(c, _)) if c == 0 => Cast(Literal(0L), e.dataType)<span style="font-family: Arial;">//如果sum(null)则转化为sum(0)</span>
  11. case e @ Average(Literal(c, _)) if c == 0 => Literal(0.0, e.dataType)
  12. case e @ IsNull(c) if !c.nullable => Literal(false, BooleanType)
  13. case e @ IsNotNull(c) if !c.nullable => Literal(true, BooleanType)
  14. case e @ GetItem(Literal(null, _), _) => Literal(null, e.dataType)
  15. case e @ GetItem(_, Literal(null, _)) => Literal(null, e.dataType)
  16. case e @ GetField(Literal(null, _), _) => Literal(null, e.dataType)
  17. case e @ Coalesce(children) => {
  18. val newChildren = children.filter(c => c match {
  19. case Literal(null, _) => false
  20. case _ => true
  21. })
  22. if (newChildren.length == 0) {
  23. Literal(null, e.dataType)
  24. } else if (newChildren.length == 1) {
  25. newChildren(0)
  26. } else {
  27. Coalesce(newChildren)
  28. }
  29. }
  30. case e @ If(Literal(v, _), trueValue, falseValue) => if (v == true) trueValue else falseValue
  31. case e @ In(Literal(v, _), list) if (list.exists(c => c match {
  32. case Literal(candidate, _) if candidate == v => true
  33. case _ => false
  34. })) => Literal(true, BooleanType)
  35. // Put exceptional cases above if any
  36. case e: BinaryArithmetic => e.children match {
  37. case Literal(null, _) :: right :: Nil => Literal(null, e.dataType)
  38. case left :: Literal(null, _) :: Nil => Literal(null, e.dataType)
  39. case _ => e
  40. }
  41. case e: BinaryComparison => e.children match {
  42. case Literal(null, _) :: right :: Nil => Literal(null, e.dataType)
  43. case left :: Literal(null, _) :: Nil => Literal(null, e.dataType)
  44. case _ => e
  45. }
  46. case e: StringRegexExpression => e.children match {
  47. case Literal(null, _) :: right :: Nil => Literal(null, e.dataType)
  48. case left :: Literal(null, _) :: Nil => Literal(null, e.dataType)
  49. case _ => e
  50. }
  51. }
  52. }
  53. }

给定SQL: val query = sql("select count(null) from temp_shengli where key is not null")

[java] view plain copy

  1. scala> query.queryExecution.analyzed
  2. res6: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Aggregate [], [COUNT(null) AS c0#5L] //这里count的是null
  4. Filter IS NOT NULL key#7
  5. MetastoreRelation default, temp_shengli, None

调用NullPropagation

[java] view plain copy

  1. scala> NullPropagation(query.queryExecution.analyzed)
  2. res7: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Aggregate [], [CAST(0, LongType) AS c0#5L]  //优化后为0了
  4. Filter IS NOT NULL key#7
  5. MetastoreRelation default, temp_shengli, None

2.2.2、Rule:ConstantFolding

常量合并是属于Expression优化的一种,对于可以直接计算的常量,不用放到物理执行里去生成对象来计算了,直接可以在计划里就计算出来:

[java] view plain copy

  1. object ConstantFolding extends Rule[LogicalPlan] {
  2. def apply(plan: LogicalPlan): LogicalPlan = plan transform { //先对plan进行transform
  3. case q: LogicalPlan => q transformExpressionsDown { //对每个plan的expression进行transform
  4. // Skip redundant folding of literals.
  5. case l: Literal => l
  6. case e if e.foldable => Literal(e.eval(null), e.dataType) //调用eval方法计算结果
  7. }
  8. }
  9. }

给定SQL: val query = sql("select 1+2+3+4 from temp_shengli")

[java] view plain copy

  1. scala> query.queryExecution.analyzed
  2. res23: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [(((1 + 2) + 3) + 4) AS c0#21]  //这里还是常量表达式
  4. MetastoreRelation default, src, None

优化后:

[java] view plain copy

  1. scala> query.queryExecution.optimizedPlan
  2. res24: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [10 AS c0#21] //优化后,直接合并为10
  4. MetastoreRelation default, src, None

2.2.3、BooleanSimplification

这个是对布尔表达式的优化,有点像java布尔表达式中的短路判断,不过这个写的倒是很优雅。

看看布尔表达式2边能不能通过只计算1边,而省去计算另一边而提高效率,称为简化布尔表达式。

解释请看我写的注释:

[java] view plain copy

  1. /**
  2. * Simplifies boolean expressions where the answer can be determined without evaluating both sides.
  3. * Note that this rule can eliminate expressions that might otherwise have been evaluated and thus
  4. * is only safe when evaluations of expressions does not result in side effects.
  5. */
  6. object BooleanSimplification extends Rule[LogicalPlan] {
  7. def apply(plan: LogicalPlan): LogicalPlan = plan transform {
  8. case q: LogicalPlan => q transformExpressionsUp {
  9. case and @ And(left, right) => //如果布尔表达式是AND操作,即exp1 and exp2
  10. (left, right) match { //(左边表达式,右边表达式)
  11. case (Literal(true, BooleanType), r) => r // 左边true,返回右边的<span style="font-family: Arial;">bool</span><span style="font-family: Arial;">值</span>
  12. case (l, Literal(true, BooleanType)) => l //右边true,返回左边的bool值
  13. case (Literal(false, BooleanType), _) => Literal(false)//左边都false,右边随便,反正是返回false
  14. case (_, Literal(false, BooleanType)) => Literal(false)//只要有1边是false了,都是false
  15. case (_, _) => and
  16. }
  17. case or @ Or(left, right) =>
  18. (left, right) match {
  19. case (Literal(true, BooleanType), _) => Literal(true) //只要左边是true了,不用判断右边都是true
  20. case (_, Literal(true, BooleanType)) => Literal(true) //只要有一边是true,都返回true
  21. case (Literal(false, BooleanType), r) => r //希望右边r是true
  22. case (l, Literal(false, BooleanType)) => l
  23. case (_, _) => or
  24. }
  25. }
  26. }
  27. }

2.3 Batch: Filter Pushdown

Filter Pushdown下包含了CombineFilters、PushPredicateThroughProject、PushPredicateThroughJoin、ColumnPruning

Ps:感觉Filter Pushdown的名字起的有点不能涵盖全部比如ColumnPruning列裁剪。

2.3.1、Combine Filters

合并两个相邻的Filter,这个和上述Combine Limit差不多。合并2个节点,就可以减少树的深度从而减少重复执行过滤的代价。

[java] view plain copy

  1. /**
  2. * Combines two adjacent [[Filter]] operators into one, merging the
  3. * conditions into one conjunctive predicate.
  4. */
  5. object CombineFilters extends Rule[LogicalPlan] {
  6. def apply(plan: LogicalPlan): LogicalPlan = plan transform {
  7. case ff @ Filter(fc, nf @ Filter(nc, grandChild)) => Filter(And(nc, fc), grandChild)
  8. }
  9. }

给定SQL:val query = sql("select key from (select key from temp_shengli where key >100)a where key > 80 ")

优化前:我们看到一个filter 是另一个filter的grandChild

[java] view plain copy

  1. scala> query.queryExecution.analyzed
  2. res25: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [key#27]
  4. Filter (key#27 > 80) //filter>80
  5. Project [key#27]
  6. Filter (key#27 > 100) //filter>100
  7. MetastoreRelation default, src, None

优化后:其实filter也可以表达为一个复杂的boolean表达式

[java] view plain copy

  1. scala> query.queryExecution.optimizedPlan
  2. res26: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [key#27]
  4. Filter ((key#27 > 100) && (key#27 > 80)) //合并为1个
  5. MetastoreRelation default, src, None

2.3.2  Filter Pushdown

Filter Pushdown,过滤器下推。

原理就是更早的过滤掉不需要的元素来减少开销。

给定SQL:val query = sql("select key from (select * from temp_shengli)a where key>100")

生成的逻辑计划为:

[java] view plain copy

  1. scala> scala> query.queryExecution.analyzed
  2. res29: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [key#31]
  4. Filter (key#31 > 100) //先select key, value,然后再Filter
  5. Project [key#31,value#32]
  6. MetastoreRelation default, src, None

优化后的计划为:

[java] view plain copy

  1. query.queryExecution.optimizedPlan
  2. res30: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [key#31]
  4. Filter (key#31 > 100) //先filter,然后再select
  5. MetastoreRelation default, src, None

2.3.3、ColumnPruning

列裁剪用的比较多,就是减少不必要select的某些列。

列裁剪在3种地方可以用:

1、在聚合操作中,可以做列裁剪

2、在join操作中,左右孩子可以做列裁剪

3、合并相邻的Project的列

[java] view plain copy

  1. object ColumnPruning extends Rule[LogicalPlan] {
  2. def apply(plan: LogicalPlan): LogicalPlan = plan transform {
  3. // Eliminate attributes that are not needed to calculate the specified aggregates.
  4. case a @ Aggregate(_, _, child) if (child.outputSet -- a.references).nonEmpty => ////如果project的outputSet中减去a.references的元素如果不同,那么就将Aggreagte的child替换为a.references
  5. a.copy(child = Project(a.references.toSeq, child))
  6. // Eliminate unneeded attributes from either side of a Join.
  7. case Project(projectList, Join(left, right, joinType, condition)) =>// 消除join的left 和 right孩子的不必要属性,将join的左右子树的列进行裁剪
  8. // Collect the list of off references required either above or to evaluate the condition.
  9. val allReferences: Set[Attribute] =
  10. projectList.flatMap(_.references).toSet ++ condition.map(_.references).getOrElse(Set.empty)
  11. /** Applies a projection only when the child is producing unnecessary attributes */
  12. def prunedChild(c: LogicalPlan) =
  13. if ((c.outputSet -- allReferences.filter(c.outputSet.contains)).nonEmpty) {
  14. Project(allReferences.filter(c.outputSet.contains).toSeq, c)
  15. } else {
  16. c
  17. }
  18. Project(projectList, Join(prunedChild(left), prunedChild(right), joinType, condition))
  19. // Combine adjacent Projects.
  20. case Project(projectList1, Project(projectList2, child)) => //合并相邻Project的列
  21. // Create a map of Aliases to their values from the child projection.
  22. // e.g., ‘SELECT ... FROM (SELECT a + b AS c, d ...)‘ produces Map(c -> Alias(a + b, c)).
  23. val aliasMap = projectList2.collect {
  24. case a @ Alias(e, _) => (a.toAttribute: Expression, a)
  25. }.toMap
  26. // Substitute any attributes that are produced by the child projection, so that we safely
  27. // eliminate it.
  28. // e.g., ‘SELECT c + 1 FROM (SELECT a + b AS C ...‘ produces ‘SELECT a + b + 1 ...‘
  29. // TODO: Fix TransformBase to avoid the cast below.
  30. val substitutedProjection = projectList1.map(_.transform {
  31. case a if aliasMap.contains(a) => aliasMap(a)
  32. }).asInstanceOf[Seq[NamedExpression]]
  33. Project(substitutedProjection, child)
  34. // Eliminate no-op Projects
  35. case Project(projectList, child) if child.output == projectList => child
  36. }
  37. }

分别举三个例子来对应三种情况进行说明:

1、在聚合操作中,可以做列裁剪

给定SQL:val query = sql("SELECT 1+1 as shengli, key from (select key, value from temp_shengli)a group by key")

优化前:

[java] view plain copy

  1. res57: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  2. Aggregate [key#51], [(1 + 1) AS shengli#49,key#51]
  3. Project [key#51,value#52] //优化前默认select key 和 value两列
  4. MetastoreRelation default, temp_shengli, None

优化后:

[java] view plain copy

  1. scala> ColumnPruning1(query.queryExecution.analyzed)
  2. MetastoreRelation default, temp_shengli, None
  3. res59: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  4. Aggregate [key#51], [(1 + 1) AS shengli#49,key#51]
  5. Project [key#51]  //优化后,列裁剪掉了value,只select key
  6. MetastoreRelation default, temp_shengli, None

2、在join操作中,左右孩子可以做列裁剪

给定SQL:val query = sql("select a.value qween from (select * from temp_shengli) a join (select * from temp_shengli)b  on a.key =b.key ")
没有优化之前:

[java] view plain copy

  1. scala> query.queryExecution.analyzed
  2. res51: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [value#42 AS qween#39]
  4. Join Inner, Some((key#41 = key#43))
  5. Project [key#41,value#42]  //这里多select了一列,即value
  6. MetastoreRelation default, temp_shengli, None
  7. Project [key#43,value#44]  //这里多select了一列,即value
  8. MetastoreRelation default, temp_shengli, None

优化后:(ColumnPruning2是我自己调试用的)

[java] view plain copy

  1. scala> ColumnPruning2(query.queryExecution.analyzed)
  2. allReferences is -> Set(key#35, key#37)
  3. MetastoreRelation default, temp_shengli, None
  4. MetastoreRelation default, temp_shengli, None
  5. res47: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  6. Project [key#35 AS qween#33]
  7. Join Inner, Some((key#35 = key#37))
  8. Project [key#35]   //经过列裁剪之后,left Child只需要select key这一个列
  9. MetastoreRelation default, temp_shengli, None
  10. Project [key#37]   //经过列裁剪之后,right Child只需要select key这一个列
  11. MetastoreRelation default, temp_shengli, None

3、合并相邻的Project的列,裁剪

给定SQL:val query = sql("SELECT c + 1 FROM (SELECT 1 + 1 as c from temp_shengli ) a ")

优化前:

[java] view plain copy

  1. scala> query.queryExecution.analyzed
  2. res61: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [(c#56 + 1) AS c0#57]
  4. Project [(1 + 1) AS c#56]
  5. MetastoreRelation default, temp_shengli, None

优化后:

[java] view plain copy

  1. scala> query.queryExecution.optimizedPlan
  2. res62: org.apache.spark.sql.catalyst.plans.logical.LogicalPlan =
  3. Project [(2 AS c#56 + 1) AS c0#57] //将子查询里的c 代入到 外层select里的c,直接计算结果
  4. MetastoreRelation default, temp_shengli, None

三、总结:

本文介绍了Optimizer在Catalyst里的作用即将Analyzed Logical Plan 经过对Logical Plan和Expression进行Rule的应用transfrom,从而达到树的节点进行合并和优化。其中主要的优化的策略总结起来是合并、列裁剪、过滤器下推几大类。

Catalyst应该在不断迭代中,本文只是基于spark1.0.0进行研究,后续如果新加入的优化策略也会在后续补充进来。

欢迎大家讨论,共同进步!

——EOF——

原创文章,转载请注明:

转载自:OopsOutOfMemory盛利的Blog,作者: OopsOutOfMemory

本文链接地址:http://blog.csdn.net/oopsoom/article/details/38121259

注:本文基于署名-非商业性使用-禁止演绎 2.5 中国大陆(CC BY-NC-ND 2.5 CN)协议,欢迎转载、转发和评论,但是请保留本文作者署名和文章链接。如若需要用于商业目的或者与授权方面的协商,请联系我。

转自:http://blog.csdn.net/oopsoom/article/details/38121259

时间: 2024-10-30 09:21:40

第五篇:Spark SQL Catalyst源码分析之Optimizer的相关文章

Spark SQL Catalyst源码分析之Optimizer

前几篇文章介绍了Spark SQL的Catalyst的核心运行流程.SqlParser,和Analyzer 以及核心类库TreeNode,本文将详细讲解Spark SQL的Optimizer的优化思想以及Optimizer在Catalyst里的表现方式,并加上自己的实践,对Optimizer有一个直观的认识. Optimizer的主要职责是将Analyzer给Resolved的Logical Plan根据不同的优化策略Batch,来对语法树进行优化,优化逻辑计划节点(Logical Plan)以

Spark SQL Catalyst源码分析之Physical Plan

前面几篇文章主要介绍的是spark sql包里的的spark sql执行流程,以及Catalyst包内的SqlParser,Analyzer和Optimizer,最后要介绍一下Catalyst里最后的一个Plan了,即Physical Plan.物理计划是Spark SQL执行Spark job的前置,也是最后一道计划. 如图: 一.SparkPlanner 话接上回,Optimizer接受输入的Analyzed Logical Plan后,会有SparkPlanner来对Optimized L

Spark SQL Catalyst源码分析之Physical Plan 到 RDD的具体实现

接上一篇文章Spark SQL Catalyst源码分析之Physical Plan,本文将介绍Physical Plan的toRDD的具体实现细节: 我们都知道一段sql,真正的执行是当你调用它的collect()方法才会执行Spark Job,最后计算得到RDD. lazy val toRdd: RDD[Row] = executedPlan.execute() Spark Plan基本包含4种操作类型,即BasicOperator基本类型,还有就是Join.Aggregate和Sort这种

Spark SQL Catalyst源码分析之TreeNode Library

前几篇文章介绍了Spark SQL的Catalyst的SqlParser,和Analyzer,本来打算直接写Optimizer的,但是发现忘记介绍TreeNode这个Catalyst的核心概念,介绍这个可以更好的理解Optimizer是如何对Analyzed Logical Plan进行优化的生成Optimized Logical Plan,本文就将TreeNode基本架构进行解释. 一.TreeNode类型 TreeNode Library是Catalyst的核心类库,语法树的构建都是由一个个

第六篇:Spark SQL Catalyst源码分析之Physical Plan

/** Spark SQL源码分析系列文章*/ 前面几篇文章主要介绍的是spark sql包里的的spark sql执行流程,以及Catalyst包内的SqlParser,Analyzer和Optimizer,最后要介绍一下Catalyst里最后的一个Plan了,即Physical Plan.物理计划是Spark SQL执行Spark job的前置,也是最后一道计划. 如图: 一.SparkPlanner 话接上回,Optimizer接受输入的Analyzed Logical Plan后,会有S

第三篇:Spark SQL Catalyst源码分析之Analyzer

/** Spark SQL源码分析系列文章*/ 前面几篇文章讲解了Spark SQL的核心执行流程和Spark SQL的Catalyst框架的Sql Parser是怎样接受用户输入sql,经过解析生成Unresolved Logical Plan的.我们记得Spark SQL的执行流程中另一个核心的组件式Analyzer,本文将会介绍Analyzer在Spark SQL里起到了什么作用. Analyzer位于Catalyst的analysis package下,主要职责是将Sql Parser

第四篇:Spark SQL Catalyst源码分析之TreeNode Library

/** Spark SQL源码分析系列文章*/ 前几篇文章介绍了Spark SQL的Catalyst的核心运行流程.SqlParser,和Analyzer,本来打算直接写Optimizer的,但是发现忘记介绍TreeNode这个Catalyst的核心概念,介绍这个可以更好的理解Optimizer是如何对Analyzed Logical Plan进行优化的生成Optimized Logical Plan,本文就将TreeNode基本架构进行解释. 一.TreeNode类型 TreeNode Lib

第二篇:Spark SQL Catalyst源码分析之SqlParser

/** Spark SQL源码分析系列文章*/ Spark SQL的核心执行流程我们已经分析完毕,可以参见Spark SQL核心执行流程,下面我们来分析执行流程中各个核心组件的工作职责. 本文先从入口开始分析,即如何解析SQL文本生成逻辑计划的,主要设计的核心组件式SqlParser是一个SQL语言的解析器,用scala实现的Parser将解析的结果封装为Catalyst TreeNode ,关于Catalyst这个框架后续文章会介绍. 一.SQL Parser入口 Sql Parser 其实是

第八篇:Spark SQL Catalyst源码分析之UDF

/** Spark SQL源码分析系列文章*/ 在SQL的世界里,除了官方提供的常用的处理函数之外,一般都会提供可扩展的对外自定义函数接口,这已经成为一种事实的标准. 在前面Spark SQL源码分析之核心流程一文中,已经介绍了Spark SQL Catalyst Analyzer的作用,其中包含了ResolveFunctions这个解析函数的功能.但是随着Spark1.1版本的发布,Spark SQL的代码有很多新完善和新功能了,和我先前基于1.0的源码分析多少有些不同,比如支持UDF: sp