本文主要介绍Hive的架构和以及HQL的查询阶段,主要内容包括:

  • Hive的架构
  • 架构中的相关组件介绍
  • HQL的查询阶段

Hive的架构

hive的基本架构图如下图所示:

相关组件介绍

  • 数据存储

Hive中的数据可以存储在任意与Hadoop兼容的文件系统,其最常见的存储文件格式主要有ORC和Parquet。除了HDFS之外,也支持一些商用的云对象存储,比如AWS S3等。另外,Hive可以读入并写入数据到其他的独立处理系统,比如Druid、HBase等。

  • Data catalog

Hive使用Hive Metastore(HMS)存储元数据信息,使用关系型数据库来持久化存储这些信息,其依赖于DataNucleus(提供了标准的接口(JDO, JPA)来访问各种类型的数据库资源 ),用于简化操作各种关系型数据库。为了请求低延迟,HMS会直接通过DataNucleus直接查询关系型数据库。HMS的API支持多种编程语言。

  • 执行引擎

最初版本的Hive支持MapReduce作为执行引擎,后来又支持

Tez和Spark作为执行引擎,这些执行引擎都可以运行在YARN上。

  • 查询服务

Hiveserver2(HS2)允许用户执行SQL查询,Hiveserver2允许多个客户端提交请求到Hive并返回执行结果,HS2支持本地和远程JDBC和ODBC连接,另外Hive的发布版中包括一个JDBC的客户端,称之为Beeline。

  • Hive客户端

Hive支持多种客户端,比如Python, Java, C++, Ruby等,可以使用JDBC、ODBC和Thrift drivers连接Hive,Hive的客户端主要归为3类:

(1)Thrift Clients

Hive的Server是基于Apache Thrift的,所以支持thrift客户端的查询请求

(2)JDBC Client

允许使用Java通过JDBC driver连接Hive,JDBC driver使用Thrift与Hive进行通信的

(3)ODBC Client

Hive的ODBC driver允许使用基于ODBC协议的应用来连接Hive,与JDBC driver类似,ODBC driver也是通过Thrift与Hive server进行通信的

  • Hive Driver

Hive Driver接收来自客户端提交的HQL语句,创建session handles,并将查询发送到Compiler(编译器)。

  • Hive Compiler

Hive的Compiler解析查询语句,编译器会借助Hive的metastore存储的元数据信息,对不同的查询块和查询表达式执行语义分析和类型检查,然后生成执行计划。

编译器生成的执行计划就是DAG,每个Stage可能代表一个MR作业。

  • Optimizer(优化器)

比如列裁剪、谓词下推等优化,提升查询效率

执行过程

  • Step1:执行查询

    通过客户端提交查询

  • Step2:获取执行计划

    dirver接收到查询,会创建session handle,并将该查询传递给编译器,生成执行计划

  • Step3:获取元数据

    编译器会向metastore发送获取元数据的请求

  • Step4:发送元数据

    metastore向编译器发送元数据,编译器使用元数据执行类型检查和语义分析。编译器会生成执行计划(DAG),对于MapReduce作业而言,执行计划包括map operator trees

    reduce operator tree

  • Step5:发送执行计划

    编译器向Driver发送生成的执行计划

  • Step6:执行查询计划

    从编译器那里获取执行计划之后,Driver会向执行引擎发送执行计划

  • Step7:提交MR作业

  • Step8:返回查询结果

将查询结果通过Driver返回个查询客户端

HQL的查询阶段

Hive的查询阶段如下图所示,具体分析如下:

如上图所示,

  • 1.用户提交查询到HS2
  • 2.该查询被Driver处理,由编译器会解析该查询语句并从AST中生成一个Calcite逻辑计划
  • 3.优化逻辑计划,HS2会访问关于HMS的元数据信息,用来达到验证和优化的目的
  • 4.优化的逻辑计划被转换为物理执行计划
  • 5.向量化的执行计划
  • 6.生成具体的task,可以是mr或者spark、Tez,并通过Driver提交任务到YARN
  • 7.执行结束后将结果返回给用户

总结

本文首先介绍了Hive的架构,并对每个组件进行了描述。然后阐述了Hive的具体执行过程,最后对HQL的执行阶段进行了说明。