首页 文章 精选 留言 我的

Spark-SparkSQL深入学习系列六（转自OopsOutOfMemory）

2016-05-10 842

  /** 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SparkPlanner来对Optimized Logical Plan进行转换，生成Physical plans。
[java]  view plain  copy
  1. lazy val optimizedPlan = optimizer(analyzed)  
  2.     // TODO: Don't just pick the first one...  
  3.     lazy val sparkPlan = planner(optimizedPlan).next()  
  SparkPlanner的apply方法，会返回一个Iterator[PhysicalPlan]。
  SparkPlanner继承了SparkStrategies，SparkStrategies继承了QueryPlanner。
  SparkStrategies包含了一系列特定的Strategies，这些Strategies是继承自QueryPlanner中定义的Strategy，它定义接受一个Logical Plan，生成一系列的Physical Plan
[java]  view plain  copy
  1. @transient  
  2. protected[sql] val planner = new SparkPlanner  
  3.   
  4.   protected[sql] class SparkPlanner extends SparkStrategies {  
  5.   val sparkContext: SparkContext = self.sparkContext  
  6.   
  7.   val sqlContext: SQLContext = self  
  8.   
  9.   def numPartitions = self.numShufflePartitions //partitions的个数  
  10.   
  11.   val strategies: Seq[Strategy] =  //策略的集合  
  12.     CommandStrategy(self) ::  
  13.     TakeOrdered ::  
  14.     PartialAggregation ::  
  15.     LeftSemiJoin ::  
  16.     HashJoin ::  
  17.     InMemoryScans ::  
  18.     ParquetOperations ::  
  19.     BasicOperators ::  
  20.     CartesianProduct ::  
  21.     BroadcastNestedLoopJoin :: Nil  
  22. etc......  
  23. }  
QueryPlanner 是SparkPlanner的基类，定义了一系列的关键点，如Strategy，planLater和apply。
[java]  view plain  copy
  1. abstract class QueryPlanner[PhysicalPlan <: TreeNode[PhysicalPlan]] {  
  2.   /** A list of execution strategies that can be used by the planner */  
  3.   def strategies: Seq[Strategy]  
  4.   
  5.   /** 
  6.    * Given a [[plans.logical.LogicalPlan LogicalPlan]], returns a list of `PhysicalPlan`s that can 
  7.    * be used for execution. If this strategy does not apply to the give logical operation then an 
  8.    * empty list should be returned. 
  9.    */  
  10.   abstract protected class Strategy extends Logging {  
  11.     def apply(plan: LogicalPlan): Seq[PhysicalPlan]  //接受一个logical plan，返回Seq[PhysicalPlan]  
  12.   }  
  13.   
  14.   /** 
  15.    * Returns a placeholder for a physical plan that executes `plan`. This placeholder will be 
  16.    * filled in automatically by the QueryPlanner using the other execution strategies that are 
  17.    * available. 
  18.    */  
  19.   protected def planLater(plan: LogicalPlan) = apply(plan).next() //返回一个占位符，占位符会自动被QueryPlanner用其它的strategies apply  
  20.   
  21.   def apply(plan: LogicalPlan): Iterator[PhysicalPlan] = {  
  22.     // Obviously a lot to do here still...  
  23.     val iter = strategies.view.flatMap(_(plan)).toIterator //整合所有的Strategy，_(plan)每个Strategy应用plan上，得到所有Strategies执行完后生成的所有Physical Plan的集合，一个iter  
  24.     assert(iter.hasNext, s"No plan for $plan")  
  25.     iter //返回所有物理计划  
  26.   }  
  27. }  

  继承关系：


二、Spark Plan

 Spark Plan是Catalyst里经过所有Strategies apply 的最终的物理执行计划的抽象类，它只是用来执行spark job的。
[java]  view plain  copy
  1. lazy val executedPlan: SparkPlan = prepareForExecution(sparkPlan)  
prepareForExecution其实是一个RuleExecutor[SparkPlan]，当然这里的Rule就是SparkPlan了。
[java]  view plain  copy
  1. @transient  
  2.  protected[sql] val prepareForExecution = new RuleExecutor[SparkPlan] {  
  3.    val batches =  
  4.      Batch("Add exchange", Once, AddExchange(self)) :: //添加shuffler操作如果必要的话  
  5.      Batch("Prepare Expressions", Once, new BindReferences[SparkPlan]) :: Nil //Bind references  
  6.  }  
Spark Plan继承Query Plan[Spark Plan]，里面定义的partition，requiredChildDistribution以及spark sql启动执行的execute方法。
[java]  view plain  copy
  1. abstract class SparkPlan extends QueryPlan[SparkPlan] with Logging {  
  2.   self: Product =>  
  3.   
  4.   // TODO: Move to `DistributedPlan`  
  5.   /** Specifies how data is partitioned across different nodes in the cluster. */  
  6.   def outputPartitioning: Partitioning = UnknownPartitioning(0) // TODO: WRONG WIDTH!  
  7.   /** Specifies any partition requirements on the input data for this operator. */  
  8.   def requiredChildDistribution: Seq[Distribution] =  
  9.     Seq.fill(children.size)(UnspecifiedDistribution)  
  10.   
  11.   /** 
  12.    * Runs this query returning the result as an RDD. 
  13.    */  
  14.   def execute(): RDD[Row]  //真正执行查询的方法execute，返回的是一个RDD  
  15.   
  16.   /** 
  17.    * Runs this query returning the result as an array. 
  18.    */  
  19.   def executeCollect(): Array[Row] = execute().map(_.copy()).collect() //exe & collect  
  20.   
  21.   protected def buildRow(values: Seq[Any]): Row =  //根据当前的值，生成Row对象，其实是一个封装了Array的对象。  
  22.     new GenericRow(values.toArray)  
  23. }  

  关于Spark Plan的继承关系，如图：

三、Strategies

  Strategy，注意这里Strategy是在execution包下的，在SparkPlanner里定义了目前的几种策略：
  LeftSemiJoin、HashJoin、PartialAggregation、BroadcastNestedLoopJoin、CartesianProduct、TakeOrdered、ParquetOperations、InMemoryScans、BasicOperators、CommandStrategy

 3.1、LeftSemiJoin

Join分为好几种类型：
[java]  view plain  copy
  1. case object Inner extends JoinType  
  2. case object LeftOuter extends JoinType  
  3. case object RightOuter extends JoinType  
  4. case object FullOuter extends JoinType  
  5. case object LeftSemi extends JoinType  
  如果Logical Plan里的Join是joinType为LeftSemi的话，就会执行这种策略，
  这里ExtractEquiJoinKeys是一个pattern定义在patterns.scala里，主要是做模式匹配用的。
  这里匹配只要是等值的join操作，都会封装为ExtractEquiJoinKeys对象，它会解析当前join，最后返回(joinType, rightKeys, leftKeys, condition, leftChild, rightChild)的格式。
  最后返回一个execution.LeftSemiJoinHash这个Spark Plan，可见Spark Plan的类图继承关系图。
[java]  view plain  copy
  1. object LeftSemiJoin extends Strategy with PredicateHelper {  
  2.    def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  3.      // Find left semi joins where at least some predicates can be evaluated by matching join keys  
  4.      case ExtractEquiJoinKeys(LeftSemi, leftKeys, rightKeys, condition, left, right) =>  
  5.        val semiJoin = execution.LeftSemiJoinHash(  //根据解析后的Join，实例化execution.LeftSemiJoinHash这个Spark Plan 返回  
  6.          leftKeys, rightKeys, planLater(left), planLater(right))  
  7.        condition.map(Filter(_, semiJoin)).getOrElse(semiJoin) :: Nil  
  8.      // no predicate can be evaluated by matching hash keys  
  9.      case logical.Join(left, right, LeftSemi, condition) =>  //没有Join key的，即非等值join连接的，返回LeftSemiJoinBNL这个Spark Plan  
  10.        execution.LeftSemiJoinBNL(   
  11.          planLater(left), planLater(right), condition)(sqlContext) :: Nil  
  12.      case _ => Nil  
  13.    }  
  14.  }  

3.2、HashJoin

  HashJoin是我们最见的操作，innerJoin类型，里面提供了2种Spark Plan，BroadcastHashJoin 和 ShuffledHashJoin
  BroadcastHashJoin的实现是一种广播变量的实现方法，如果设置了spark.sql.join.broadcastTables这个参数的表（表面逗号隔开）
  就会用spark的Broadcast Variables方式先将一张表给查询出来，然后广播到各个机器中，相当于Hive中的map join。
  ShuffledHashJoin是一种最传统的默认的join方式，会根据shuffle key进行shuffle的hash join。
[java]  view plain  copy
  1. object HashJoin extends Strategy with PredicateHelper {  
  2.    private[this] def broadcastHashJoin(  
  3.        leftKeys: Seq[Expression],  
  4.        rightKeys: Seq[Expression],  
  5.        left: LogicalPlan,  
  6.        right: LogicalPlan,  
  7.        condition: Option[Expression],  
  8.        side: BuildSide) = {  
  9.      val broadcastHashJoin = execution.BroadcastHashJoin(  
  10.        leftKeys, rightKeys, side, planLater(left), planLater(right))(sqlContext)  
  11.      condition.map(Filter(_, broadcastHashJoin)).getOrElse(broadcastHashJoin) :: Nil  
  12.    }  
  13.   
  14.    def broadcastTables: Seq[String] = sqlContext.joinBroadcastTables.split(",").toBuffer //获取需要广播的表  
  15.   
  16.    def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  17.      case ExtractEquiJoinKeys(  
  18.              Inner,  
  19.              leftKeys,  
  20.              rightKeys,  
  21.              condition,  
  22.              left,  
  23.              right @ PhysicalOperation(_, _, b: BaseRelation))  
  24.        if broadcastTables.contains(b.tableName) => //如果右孩子是广播的表，则buildSide取BuildRight  
  25.          broadcastHashJoin(leftKeys, rightKeys, left, right, condition, BuildRight)  
  26.   
  27.      case ExtractEquiJoinKeys(  
  28.              Inner,  
  29.              leftKeys,  
  30.              rightKeys,  
  31.              condition,  
  32.              left @ PhysicalOperation(_, _, b: BaseRelation),  
  33.              right)  
  34.        if broadcastTables.contains(b.tableName) =>//如果左孩子是广播的表，则buildSide取BuildLeft  
  35.          broadcastHashJoin(leftKeys, rightKeys, left, right, condition, BuildLeft)  
  36.   
  37.      case ExtractEquiJoinKeys(Inner, leftKeys, rightKeys, condition, left, right) =>  
  38.        val hashJoin =  
  39.          execution.ShuffledHashJoin( //根据hash key shuffle的 Hash Join  
  40.            leftKeys, rightKeys, BuildRight, planLater(left), planLater(right))  
  41.        condition.map(Filter(_, hashJoin)).getOrElse(hashJoin) :: Nil  
  42.   
  43.      case _ => Nil  
  44.    }  
  45.  }  

3.3、PartialAggregation

  PartialAggregation是一个部分聚合的策略，即有些聚合操作可以在local里面完成的，就在local data里完成，而不必要的去shuffle所有的字段。
[java]  view plain  copy
  1. object PartialAggregation extends Strategy {  
  2.     def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  3.       case logical.Aggregate(groupingExpressions, aggregateExpressions, child) =>   
  4.         // Collect all aggregate expressions.  
  5.         val allAggregates =  
  6.           aggregateExpressions.flatMap(_ collect { case a: AggregateExpression => a })  
  7.         // Collect all aggregate expressions that can be computed partially.  
  8.         val partialAggregates =  
  9.           aggregateExpressions.flatMap(_ collect { case p: PartialAggregate => p })  
  10.   
  11.         // Only do partial aggregation if supported by all aggregate expressions.  
  12.         if (allAggregates.size == partialAggregates.size) {  
  13.           // Create a map of expressions to their partial evaluations for all aggregate expressions.  
  14.           val partialEvaluations: Map[Long, SplitEvaluation] =  
  15.             partialAggregates.map(a => (a.id, a.asPartial)).toMap  
  16.   
  17.           // We need to pass all grouping expressions though so the grouping can happen a second  
  18.           // time. However some of them might be unnamed so we alias them allowing them to be  
  19.           // referenced in the second aggregation.  
  20.           val namedGroupingExpressions: Map[Expression, NamedExpression] = groupingExpressions.map {  
  21.             case n: NamedExpression => (n, n)  
  22.             case other => (other, Alias(other, "PartialGroup")())  
  23.           }.toMap  
  24.   
  25.           // Replace aggregations with a new expression that computes the result from the already  
  26.           // computed partial evaluations and grouping values.  
  27.           val rewrittenAggregateExpressions = aggregateExpressions.map(_.transformUp {  
  28.             case e: Expression if partialEvaluations.contains(e.id) =>  
  29.               partialEvaluations(e.id).finalEvaluation  
  30.             case e: Expression if namedGroupingExpressions.contains(e) =>  
  31.               namedGroupingExpressions(e).toAttribute  
  32.           }).asInstanceOf[Seq[NamedExpression]]  
  33.   
  34.           val partialComputation =  
  35.             (namedGroupingExpressions.values ++  
  36.              partialEvaluations.values.flatMap(_.partialEvaluations)).toSeq  
  37.   
  38.           // Construct two phased aggregation.  
  39.           execution.Aggregate( //返回execution.Aggregate这个Spark Plan  
  40.             partial = false,  
  41.             namedGroupingExpressions.values.map(_.toAttribute).toSeq,  
  42.             rewrittenAggregateExpressions,  
  43.             execution.Aggregate(  
  44.               partial = true,  
  45.               groupingExpressions,  
  46.               partialComputation,  
  47.               planLater(child))(sqlContext))(sqlContext) :: Nil  
  48.         } else {  
  49.           Nil  
  50.         }  
  51.       case _ => Nil  
  52.     }  
  53.   }  

 3.4、BroadcastNestedLoopJoin

  BroadcastNestedLoopJoin是用于Left Outer Join， RightOuter， FullOuter这三种类型的join
 而上述的Hash Join仅仅用于InnerJoin，这点要区分开来。
[java]  view plain  copy
  1. object BroadcastNestedLoopJoin extends Strategy {  
  2.   def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  3.     case logical.Join(left, right, joinType, condition) =>  
  4.       execution.BroadcastNestedLoopJoin(  
  5.         planLater(left), planLater(right), joinType, condition)(sqlContext) :: Nil  
  6.     case _ => Nil  
  7.   }  
  8. }  
部分代码；
[java]  view plain  copy
  1.     if (!matched && (joinType == LeftOuter || joinType == FullOuter)) {  //LeftOuter or FullOuter  
  2.       matchedRows += buildRow(streamedRow ++ Array.fill(right.output.size)(null))  
  3.     }  
  4.   }  
  5.   Iterator((matchedRows, includedBroadcastTuples))  
  6. }  
  7.   
  8. val includedBroadcastTuples = streamedPlusMatches.map(_._2)  
  9. val allIncludedBroadcastTuples =  
  10.   if (includedBroadcastTuples.count == 0) {  
  11.     new scala.collection.mutable.BitSet(broadcastedRelation.value.size)  
  12.   } else {  
  13.     streamedPlusMatches.map(_._2).reduce(_ ++ _)  
  14.   }  
  15.   
  16. val rightOuterMatches: Seq[Row] =  
  17.   if (joinType == RightOuter || joinType == FullOuter) { //RightOuter or FullOuter  
  18.     broadcastedRelation.value.zipWithIndex.filter {  
  19.       case (row, i) => !allIncludedBroadcastTuples.contains(i)  
  20.     }.map {  
  21.       // TODO: Use projection.  
  22.       case (row, _) => buildRow(Vector.fill(left.output.size)(null) ++ row)  
  23.     }  
  24.   } else {  
  25.     Vector()  
  26.   }  

3.5、CartesianProduct 

[java]  view plain  copy
  1. 笛卡尔积的Join，有待过滤条件的Join。  
  2. 主要是利用RDD的cartesian实现的。  
  3. object CartesianProduct extends Strategy {  
  4.   def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  5.     case logical.Join(left, right, _, None) =>  
  6.       execution.CartesianProduct(planLater(left), planLater(right)) :: Nil  
  7.     case logical.Join(left, right, Inner, Some(condition)) =>  
  8.       execution.Filter(condition,  
  9.         execution.CartesianProduct(planLater(left), planLater(right))) :: Nil  
  10.     case _ => Nil  
  11.   }  
  12. }  

3.6、TakeOrdered

  TakeOrdered是用于Limit操作的，如果有Limit和Sort操作。
  则返回一个TakeOrdered的Spark Plan。
  主要也是利用RDD的takeOrdered方法来实现的排序后取TopN。
[java]  view plain  copy
  1. object TakeOrdered extends Strategy {  
  2.   def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  3.     case logical.Limit(IntegerLiteral(limit), logical.Sort(order, child)) =>  
  4.       execution.TakeOrdered(limit, order, planLater(child))(sqlContext) :: Nil  
  5.     case _ => Nil  
  6.   }  
  7. }  

 3.7、ParquetOperations

支持ParquetOperations的读写，插入Table等。
[java]  view plain  copy
  1. object ParquetOperations extends Strategy {  
  2.   def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  3.     // TODO: need to support writing to other types of files.  Unify the below code paths.  
  4.     case logical.WriteToFile(path, child) =>  
  5.       val relation =  
  6.         ParquetRelation.create(path, child, sparkContext.hadoopConfiguration)  
  7.       // Note: overwrite=false because otherwise the metadata we just created will be deleted  
  8.       InsertIntoParquetTable(relation, planLater(child), overwrite=false)(sqlContext) :: Nil  
  9.     case logical.InsertIntoTable(table: ParquetRelation, partition, child, overwrite) =>  
  10.       InsertIntoParquetTable(table, planLater(child), overwrite)(sqlContext) :: Nil  
  11.     case PhysicalOperation(projectList, filters: Seq[Expression], relation: ParquetRelation) =>  
  12.       val prunePushedDownFilters =  
  13.         if (sparkContext.conf.getBoolean(ParquetFilters.PARQUET_FILTER_PUSHDOWN_ENABLED, true)) {  
  14.           (filters: Seq[Expression]) => {  
  15.             filters.filter { filter =>  
  16.               // Note: filters cannot be pushed down to Parquet if they contain more complex  
  17.               // expressions than simple "Attribute cmp Literal" comparisons. Here we remove  
  18.               // all filters that have been pushed down. Note that a predicate such as  
  19.               // "(A AND B) OR C" can result in "A OR C" being pushed down.  
  20.               val recordFilter = ParquetFilters.createFilter(filter)  
  21.               if (!recordFilter.isDefined) {  
  22.                 // First case: the pushdown did not result in any record filter.  
  23.                 true  
  24.               } else {  
  25.                 // Second case: a record filter was created; here we are conservative in  
  26.                 // the sense that even if "A" was pushed and we check for "A AND B" we  
  27.                 // still want to keep "A AND B" in the higher-level filter, not just "B".  
  28.                 !ParquetFilters.findExpression(recordFilter.get, filter).isDefined  
  29.               }  
  30.             }  
  31.           }  
  32.         } else {  
  33.           identity[Seq[Expression]] _  
  34.         }  
  35.       pruneFilterProject(  
  36.         projectList,  
  37.         filters,  
  38.         prunePushedDownFilters,  
  39.         ParquetTableScan(_, relation, filters)(sqlContext)) :: Nil  
  40.   
  41.     case _ => Nil  
  42.   }  
  43. }  

  3.8、InMemoryScans

  InMemoryScans主要是对InMemoryRelation这个Logical Plan操作。
  调用的其实是Spark Planner里的pruneFilterProject这个方法。
[java]  view plain  copy
  1. object InMemoryScans extends Strategy {  
  2.    def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  3.      case PhysicalOperation(projectList, filters, mem: InMemoryRelation) =>  
  4.        pruneFilterProject(  
  5.          projectList,  
  6.          filters,  
  7.          identity[Seq[Expression]], // No filters are pushed down.  
  8.          InMemoryColumnarTableScan(_, mem)) :: Nil  
  9.      case _ => Nil  
  10.    }  
  11.  }  

3.9、BasicOperators

  所有定义在org.apache.spark.sql.execution里的基本的Spark Plan，它们都在org.apache.spark.sql.execution包下basicOperators.scala内的
  有Project、Filter、Sample、Union、Limit、TakeOrdered、Sort、ExistingRdd。
  这些是基本元素，实现都相对简单，基本上都是RDD里的方法来实现的。
[java]  view plain  copy
  1. object BasicOperators extends Strategy {  
  2.    def numPartitions = self.numPartitions  
  3.   
  4.    def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  5.      case logical.Distinct(child) =>  
  6.        execution.Aggregate(  
  7.          partial = false, child.output, child.output, planLater(child))(sqlContext) :: Nil  
  8.      case logical.Sort(sortExprs, child) =>  
  9.        // This sort is a global sort. Its requiredDistribution will be an OrderedDistribution.  
  10.        execution.Sort(sortExprs, global = true, planLater(child)):: Nil  
  11.      case logical.SortPartitions(sortExprs, child) =>  
  12.        // This sort only sorts tuples within a partition. Its requiredDistribution will be  
  13.        // an UnspecifiedDistribution.  
  14.        execution.Sort(sortExprs, global = false, planLater(child)) :: Nil  
  15.      case logical.Project(projectList, child) =>  
  16.        execution.Project(projectList, planLater(child)) :: Nil  
  17.      case logical.Filter(condition, child) =>  
  18.        execution.Filter(condition, planLater(child)) :: Nil  
  19.      case logical.Aggregate(group, agg, child) =>  
  20.        execution.Aggregate(partial = false, group, agg, planLater(child))(sqlContext) :: Nil  
  21.      case logical.Sample(fraction, withReplacement, seed, child) =>  
  22.        execution.Sample(fraction, withReplacement, seed, planLater(child)) :: Nil  
  23.      case logical.LocalRelation(output, data) =>  
  24.        val dataAsRdd =  
  25.          sparkContext.parallelize(data.map(r =>  
  26.            new GenericRow(r.productIterator.map(convertToCatalyst).toArray): Row))  
  27.        execution.ExistingRdd(output, dataAsRdd) :: Nil  
  28.      case logical.Limit(IntegerLiteral(limit), child) =>  
  29.        execution.Limit(limit, planLater(child))(sqlContext) :: Nil  
  30.      case Unions(unionChildren) =>  
  31.        execution.Union(unionChildren.map(planLater))(sqlContext) :: Nil  
  32.      case logical.Generate(generator, join, outer, _, child) =>  
  33.        execution.Generate(generator, join = join, outer = outer, planLater(child)) :: Nil  
  34.      case logical.NoRelation =>  
  35.        execution.ExistingRdd(Nil, singleRowRdd) :: Nil  
  36.      case logical.Repartition(expressions, child) =>  
  37.        execution.Exchange(HashPartitioning(expressions, numPartitions), planLater(child)) :: Nil  
  38.      case SparkLogicalPlan(existingPlan, _) => existingPlan :: Nil  
  39.      case _ => Nil  
  40.    }  
  41.  }  

  3.10 CommandStrategy

  CommandStrategy是专门针对Command类型的Logical Plan
  即set key = value 、 explain sql、 cache table xxx 这类操作
  SetCommand主要实现方式是SparkContext的参数
  ExplainCommand主要实现方式是利用executed Plan打印出tree string
  CacheCommand主要实现方式SparkContext的cache table和uncache table
 
[java]  view plain  copy
  1. case class CommandStrategy(context: SQLContext) extends Strategy {  
  2.     def apply(plan: LogicalPlan): Seq[SparkPlan] = plan match {  
  3.       case logical.SetCommand(key, value) =>  
  4.         Seq(execution.SetCommand(key, value, plan.output)(context))  
  5.       case logical.ExplainCommand(logicalPlan) =>  
  6.         Seq(execution.ExplainCommand(logicalPlan, plan.output)(context))  
  7.       case logical.CacheCommand(tableName, cache) =>  
  8.         Seq(execution.CacheCommand(tableName, cache)(context))  
  9.       case _ => Nil  
  10.     }  
  11.   }  

四、Execution

Spark Plan的Execution方式均为调用其execute()方法生成RDD，除了简单的基本操作例如上面的basic operator实现比较简单，其它的实现都比较复杂，大致的实现我都在上面介绍了，本文就不详细讨论了。

五、总结

  本文从介绍了Spark SQL的Catalyst框架的Physical plan以及其如何从Optimized Logical Plan转化为Spark Plan的过程，这个过程用到了很多的物理计划策略Strategies，每个Strategies最后还是在RuleExecutor里面被执行，最后生成一系列物理计划Executed Spark Plans。
  Spark Plan是执行前最后一种计划，当生成executed spark plan后，就可以调用collect()方法来启动Spark Job来进行Spark SQL的真正执行了。
——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/38235247

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。

image


上一篇 下一篇
优秀的个人博客,低调大师

微信关注我们

原文链接：https://yq.aliyun.com/articles/232677

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

Spark-SparkSQL深入学习系列五（转自OopsOutOfMemory）

/**Spark SQL源码分析系列文章*/ 前几篇文章介绍了SparkSQL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Limits2...
2016-05-11
676
上一篇

Spark-SparkSQL深入学习系列八（转自OopsOutOfMemory）

/**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SparkSQL 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： spark1.0及以前的实现： [java] view plain copy protected[sql]lazyvalcatalog:Catalog=newSimpleCatalog @transient protected[sql]lazyvalanalyzer:Analyzer= newAnalyzer(catalog,EmptyFunctionRegistry,caseSensitive=true)//EmptyFunctionRegistry空实现 @transient protected[...
2016-05-11
655
下一篇

相关文章

发表评论

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

时间: 2025-12-03 大小: 4.36MB 下载: 23次
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2025-12-12 大小: 211.28KB 下载: 54次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2025-12-21 大小: 189MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-01-03 大小: 1.42GB 下载: 2次
手机查看

扫码在手机上查看文章

扫描二维码，手机阅读更方便

热门标签
Service Mesh DeepSeek Docker Nacos3 OpenAi SpringBoot4 Kubernetes Gemini3 HarmonyOS6 Jdk25 Rocky Redis SpringCloud

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册