基于calcite做傻瓜式的sql优化(二)

因为主要想借助hive的思路来实现对sql的优化，所以这一篇主要是梳理一条sql在hive内部大概是什么样的生命周期

首先通过一张图看下，内部sql大概执行流：

sql经过一系列的规则处理后，最后变成task tree，然后mapreduce通过task tree来执行job

接下来通过源码，看下是如何处理的！

另外我把编译好的hive(1.2.1版本)和hadoop(2.7.0版本)代码放在Git上，这样感兴趣的同学直接下载下来，就可以在本地debug跑

Hive编译后的源码：https://github.com/niutaofan/apache-hive-1.2.1-src.git
hadoop编译后的源码：链接:https://pan.baidu.com/s/1meF9MFHUAyY1Mk7mMOdqIg  密码:fwnh

1、大体流程

1）、Driver.compile 接收SQL ，然后通过：pd.parse(command)将SQL转换为ASTNode（这个过程包含了词法解析和语法解析）

　　1.1、ParseDriver.parse接收到sql语句，然后通过：r = parser.statement();解析了词法和语法

　　1.2、拿到解析后的HiveParser.statement_return，然后通过ASTNode tree = (ASTNode) r.getTree();获取到ASTNode

2）、通过sem.analyze(tree, ctx);从AST Node到Phsical Optimize这几个阶段，都是在SemanticAnalyzer.analyzeInternal()方法中进行的(语义解析、生成逻辑执行计划、优化逻辑执行计划等)

　　2.1、拿到ASTNode之后，通过SemanticAnalyzer.analyzeInternal()进行优化；

　　2.2、代码会调度到CalcitePlanner.analyzeInternal (这个方法内部会做一个流程的判断：if (runCBO) 是否执行CBO优化)，当然不管执行RBO还是CBO，最后调用的都是：SemanticAnalyzer.analyzeInternal()

　　2.3、在SemanticAnalyzer.analyzeInternal()方法中，首先基于ASTNode做了各种规则优化，根据需求包括了笼统的：RBO和CBO的优化，最终返回Operator

　　　　在Hive中，使用Calcite来进行核心优化，它将AST Node转换成QB，又将QB转换成Calcite的RelNode，在Calcite优化完成后，又会将RelNode转换成Operator Tree，说起来很简单，但这又是一条很长的调用链。

　　　　Calcite优化的主要类是CalcitePlanner，更加细节点，是在CalcitePlannerAction.apply()这个方法，CalcitePlannerAction是一个内部类，包括将QB转换成RelNode，优化具体操作都是在这个方法中进行的。

2、一条sql的源码之路

如果想debug的方式走读源码，那么需要如下几个步骤：

第一步：启动本地的hadoop源码（NameNode和DataNode）

第二步：启动hive的metastore服务

第三步：启动（Debug方式）CliDriver类

根据上文提示， sql在客户端执行后，会在Driver.compile 接收SQL ，然后通过：pd.parse(command)将SQL转换为ASTNode（这个过程包含了词法解析和语法解析）

eg. 执行一段sql（sql的数据，提前放入hive了），看下hive是如何解析和优化的

select 
  * 
from 
  (
    select 
      Sname, 
      Sex, 
      Sage, 
      Sdept, 
      count(1) as num 
    from 
      student_ext 
    group by 
      Sname, 
      Sex, 
      Sage, 
      Sdept
  ) t1 
where 
  Sage > 10;

Driver.compile代码：

上图比较重要的点：

ParseDriver

Hive使用的是antlr来做词法、语法的解析工作，最终生成一棵有语义的ast树
而在Hive中调用antlr类的代码org.apache.hadoop.hive.ql.parse.ParseDriver类，通过ParseDriver.parse 可以返回HiveParser.statement_return

而这个HiveParser.statement_return通过强转，即可拿到ASTNode，如下图：

ps:这块儿存在极大的性能问题，后续会提到并改进

######################################################思考############################################################################################

如果需求是快速实现对用户输入的sql进行词法和语法解析，以便达到自定义或者sql优化的需求，那么可不可以利用上述内容进行重构？？？

答案是肯定可以的，而且非常简单，只需要知道，hive在做sql的词法和语法解析，使用的是哪个包（org.apache.hadoop.hive.ql.parse）

然后开启一个新的工程，导入hive-exec包即可

第一步：maven导入依赖

 <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-exec-nt</artifactId>
            <version>1.2.1</version>
 </dependency>
 <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.1</version>
 </dependency>

第二步：代码编写

import org.apache.hadoop.hive.ql.parse.ASTNode;
import org.apache.hadoop.hive.ql.parse.ParseDriver;
import org.apache.hadoop.hive.ql.parse.ParseException;
/**
 * Created by niutao
 */
public class Tests {
    public static void main(String[] args) {
        String sql = "SELECT `object_id`, `column1_id`, COUNT(DISTINCT `cookie`) AS `COOKIE`
" +
                "FROM `D_DSJ_INDEX_PDS`.`INDEX2_FLW_COOKIE_INTEREST_OBJECT_D_FACT`
" +
                "WHERE `dim_day` >= '2020-03-03' AND `dim_day` <= '2020-03-16' AND `series_id` = '692'
" +
                "GROUP BY `object_id`, `column1_id`
" +
                "ORDER BY COUNT(DISTINCT `cookie`) IS NULL DESC, COUNT(DISTINCT `cookie`) DESC
" +
                "LIMIT 200";
        //1、导入模仿hive，导入ParseDriver
        ParseDriver pd = new ParseDriver();
        //2、解析sql
        try {
            ASTNode ast = pd.parse(sql);
            //3、测试，打印解析树
            System.out.println(ast.dump());
        } catch (ParseException e) {
            e.printStackTrace();
        }
    }
}

打印结果：

通过以上方式，即可将sql解析出ASTNode

######################################################################################################################################################

接着之前的源码，看下在生成ASTNode之后，是如何根据ASTNode来做优化的;

请查看下一篇：基于calcite做傻瓜式的sql优化（三）