是否有任何合适的资源可以完全理解hive生成的解释计划？我试过在wiki中搜索它但找不到完整的指南来理解它。 这是维基，它简要解释了解释计划的工作原理。但我需要有关如何推断解释计划的进一步信息。 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Explain
答案 0 :(得分：3)
我会尽力向我解释我所知道的。
执行计划是对查询所需任务的描述，执行它们的顺序以及每个任务的一些详细信息。
要查看查询的执行计划，您可以执行以下操作，在查询前面添加关键字EXPLAIN，然后运行它。
执行计划可能很长而且很复杂。
全面了解它们需要对MapReduce有深刻的了解。
示例
EXPLAIN CREATE TABLE flights_by_carrier AS
SELECT carrier, COUNT(flight) AS num
FROM flights
GROUP BY carrier;
此查询是一个CTAS statement，它将创建一个名为flight_by_carrier的新表，并使用SELECT query的结果填充该表。
SELECT query按承运人对航班表格的行进行分组，并返回每个承运人以及该承运人的航班数量。
此示例的EXPLAIN语句的Hive输出显示在这里
+----------------------------------------------------+--+
| Explain |
+----------------------------------------------------+--+
| STAGE DEPENDENCIES: |
| Stage-1 is a root stage |
| Stage-0 depends on stages: Stage-1 |
| Stage-3 depends on stages: Stage-0 |
| Stage-2 depends on stages: Stage-3 |
| |
| STAGE PLANS: |
| Stage: Stage-1 |
| Map Reduce |
| Map Operator Tree: |
| TableScan |
| alias: flights |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| Select Operator |
| expressions: carrier (type: string), flight (type: smallint) |
| outputColumnNames: carrier, flight |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| Group By Operator |
| aggregations: count(flight) |
| keys: carrier (type: string) |
| mode: hash |
| outputColumnNames: _col0, _col1 |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| Reduce Output Operator |
| key expressions: _col0 (type: string) |
| sort order: + |
| Map-reduce partition columns: _col0 (type: string) |
| Statistics: Num rows: 61392822 Data size: 962183360 Basic stats: COMPLETE Column stats: NONE |
| value expressions: _col1 (type: bigint) |
| Reduce Operator Tree: |
| Group By Operator |
| aggregations: count(VALUE._col0) |
| keys: KEY._col0 (type: string) |
| mode: mergepartial |
| outputColumnNames: _col0, _col1 |
| Statistics: Num rows: 30696411 Data size: 481091680 Basic stats: COMPLETE Column stats: NONE |
| File Output Operator |
| compressed: false |
| Statistics: Num rows: 30696411 Data size: 481091680 Basic stats: COMPLETE Column stats: NONE |
| table: |
| input format: org.apache.hadoop.mapred.TextInputFormat |
| output format: org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat |
| serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe |
| name: fly.flights_by_carrier |
| |
| Stage: Stage-0 |
| Move Operator |
| files: |
| hdfs directory: true |
| destination: hdfs://localhost:8020/user/hive/warehouse/fly.db/flights_by_carrier |
| |
| Stage: Stage-3 |
| Create Table Operator: |
| Create Table |
| columns: carrier string, num bigint |
| input format: org.apache.hadoop.mapred.TextInputFormat |
| output format: org.apache.hadoop.hive.ql.io.IgnoreKeyTextOutputFormat |
| serde name: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe |
| name: fly.flights_by_carrier |
| |
| Stage: Stage-2 |
| Stats-Aggr Operator |
| |
+----------------------------------------------------+--+
阶段依赖性
该示例查询将在四个stages（阶段0到阶段3）中执行。
每个stage可以是MapReduce作业，HDFS动作，metastore动作或Hive server执行的其他动作。
编号并不表示执行顺序或依存关系。
阶段之间的依赖关系决定了它们必须执行的顺序，Hive在EXPLAIN结果开始时明确指定了这些依赖关系。
根阶段（如本示例中的Stage-1）没有依赖项，可以先运行。
非根目录阶段无法运行，直到它们所依赖的阶段完成为止。
阶段计划
输出的阶段计划部分显示了阶段的描述。
对于Hive，请从顶部开始然后向下阅读。
阶段1被标识为MapReduce作业。
查询计划显示该作业同时包含map phase（由Map Operator树描述）和reduce phase（由Reduce Operator Tree描述）。
在map phase中，地图任务会读取排期表，然后选择航空公司和排期列。
此数据将传递到reduce phase，在此任务中，reduce任务按承运人对数据进行分组，并通过计算航班数对其进行汇总。
在阶段1之后是阶段0，这是一个HDFS动作（移动）。
在此阶段，Hive将前一阶段的输出移至HDFS仓库目录中的新子目录。
这是新表的存储目录，它将被命名为flight_by_carrier。
在阶段0之后是阶段3，这是一个metastore动作：
创建表。
在此阶段，Hive在运行数据库中创建一个名为flight_by_carrier的新表。
该表有两列：名为carrier的STRING列和名为num的BIGINT列。
最后阶段Stage-2，收集统计信息。
此最后阶段的详细信息并不重要，但它会收集信息，例如表中的行数，HDFS中存储表数据的文件数以及其中的唯一值数。表中的每一列。
这些统计信息可用于优化Hive查询。