Spark Sql系统入门2：spark sql精简总结

本帖最后由 pig2 于 2017-2-20 09:55 编辑

问题导读

1.spark有哪两个分支？
2.spark运行架构是什么？
3.spark包含哪四个模块？

此文是对Spark Sql系统入门1：什么是spark sql及包含哪些组件的精简总结

SparkSQL有两个分支，sqlContext和hiveContext，sqlContext现在只支持SQL语法解析器（SQL-92语法）；hiveContext现在支持SQL语法解析器和hivesql语法解析器，默认为hiveSQL语法解析器，用户可以通过配置切换成SQL语法解析器，来运行hiveSQL不支持的语法。
spark运行架构，是以树形结构展现，以rule的方式操作

spark包含四个模块：

sparkSQL1.1总体上由四个模块组成：core、catalyst、hive、hive-Thriftserver：
1.core处理数据的输入输出，从不同的数据源获取数据（RDD、Parquet、json等），将查询结果输出成schemaRDD；
2.catalyst处理查询语句的整个处理过程，包括解析、绑定、优化、物理计划等，说其是优化器，还不如说是查询引擎；
3.hive对hive数据的处理
4.hive-ThriftServer提供CLI和JDBC/ODBC接口

catalyst包含组件：

1.sqlParse，完成sql语句的语法解析功能，目前只提供了一个简单的sql解析器；
2. Analyzer，主要完成绑定工作，将不同来源的Unresolved LogicalPlan和数据元数据（如hive metastore、Schema catalog）进行绑定，生成resolved LogicalPlan；
3. optimizer对resolved LogicalPlan进行优化，生成optimized LogicalPlan；
4. Planner将LogicalPlan转换成PhysicalPlan；
5. CostModel，主要根据过去的性能统计数据，选择最佳的物理执行计划
这些组件的基本实现方法：
6. 先将sql语句通过解析生成Tree，然后在不同阶段使用不同的Rule应用到Tree上，通过转换完成各个组件的功能。
7. Analyzer使用Analysis Rules，配合数据元数据（如hive metastore、Schema catalog），完善Unresolved LogicalPlan的属性而转换成resolved LogicalPlan；
8. optimizer使用Optimization Rules，对resolved LogicalPlan进行合并、列裁剪、过滤器下推等优化作业而转换成optimized LogicalPlan；
9. Planner使用Planning Strategies，对optimized LogicalPlan进行转换，转换成可以执行的物理计划

spark sql查看运行计划
hive/console官网没有提供，需要下载spark源码，hive源码及配置环境变量编译。然后运行hive/console.这个作用，可以查看sql的运行计划，schema,转换rdd等。
查看运行schema
[mw_shl_code=bash,true]query.printSchema
[/mw_shl_code]

sql的运行计划，比如查看整个运行计划
[mw_shl_code=bash,true]query.queryExecution
[/mw_shl_code]
查看其中的一个计划，则在后面加上其相关内容，比如analyzed LogicalPlan
[mw_shl_code=bash,true]query.queryExecution.analyzed[/mw_shl_code]
查看优化后的LogicalPlan
则是
[mw_shl_code=bash,true]query.queryExecution.optimizedPlan[/mw_shl_code]

更多参考
Spark Sql系统入门1：什么是spark sql及包含哪些组件
http://www.aboutyun.com/forum.php?mod=viewthread&tid=20910

spark sql运行计划精简
http://www.aboutyun.com/forum.php?mod=viewthread&tid=21032

sparkSQL1.1入门之四：深入了解sparkSQL运行计划
http://www.aboutyun.com/forum.php?mod=viewthread&tid=12174

sparkSQL1.1入门之三：sparkSQL组件之解析（sqlContext的关键的概念和组件）
http://www.aboutyun.com/forum.php?mod=viewthread&tid=12173

转载主公来自about云（www.aboutyun.com）