不懂hive中的explain，阐明hive还没入门，学会explain，可能给咱们工作中应用hive带来极大的便当！
实践
本节将介绍 explain 的用法及参数介绍
HIVE提供了EXPLAIN命令来展现一个查问的执行打算,这个执行打算对于咱们理解底层原理，hive 调优，排查数据歪斜等很有帮忙
应用语法如下：
EXPLAIN [EXTENDED|CBO|AST|DEPENDENCY|AUTHORIZATION|LOCKS|VECTORIZATION|ANALYZE] queryexplain 前面能够跟以下可选参数，留神：这几个可选参数不是 hive 每个版本都反对的
- EXTENDED：加上 extended 能够输入无关打算的额定信息。这通常是物理信息，例如文件名。这些额定信息对咱们用途不大
- CBO：输入由Calcite优化器生成的打算。CBO 从 hive 4.0.0 版本开始反对
- AST：输入查问的形象语法树。AST 在hive 2.1.0 版本删除了，存在bug，转储AST可能会导致OOM谬误，将在4.0.0版本修复
- DEPENDENCY：dependency在EXPLAIN语句中应用会产生无关打算中输出的额定信息。它显示了输出的各种属性
- AUTHORIZATION：显示所有的实体须要被受权执行（如果存在）的查问和受权失败
- LOCKS：这对于理解零碎将取得哪些锁以运行指定的查问很有用。LOCKS 从 hive 3.2.0 开始反对
- VECTORIZATION：将详细信息增加到EXPLAIN输入中，以显示为什么未对Map和Reduce进行矢量化。从 Hive 2.3.0 开始反对
- ANALYZE：用理论的行数正文打算。从 Hive 2.2.0 开始反对
在 hive cli 中输出以下命令(hive 2.3.7)：
explain select sum(id) from test1;失去后果（请逐行看完，即便看不懂也要每行都看）：
STAGE DEPENDENCIES: Stage-1 is a root stage Stage-0 depends on stages: Stage-1STAGE PLANS: Stage: Stage-1 Map Reduce Map Operator Tree: TableScan alias: test1 Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: id (type: int) outputColumnNames: id Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Group By Operator aggregations: sum(id) mode: hash outputColumnNames: _col0 Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE Reduce Output Operator sort order: Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE value expressions: _col0 (type: bigint) Reduce Operator Tree: Group By Operator aggregations: sum(VALUE._col0) mode: mergepartial outputColumnNames: _col0 Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE File Output Operator compressed: false Statistics: Num rows: 1 Data size: 8 Basic stats: COMPLETE Column stats: NONE table: input format: org.apache.hadoop.mapred.SequenceFileInputFormat output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe Stage: Stage-0 Fetch Operator limit: -1 Processor Tree: ListSink看完以上内容有什么感触，是不是感觉都看不懂，不要焦急，上面将会具体解说每个参数，置信你学完上面的内容之后再看 explain 的查问后果将熟能生巧。
一个HIVE查问被转换为一个由一个或多个stage组成的序列（有向无环图DAG）。这些stage能够是MapReduce stage，也能够是负责元数据存储的stage，也能够是负责文件系统的操作（比方挪动和重命名）的stage。
咱们将上述后果拆分看，先从最外层开始，蕴含两个大的局部：
- stage dependencies： 各个stage之间的依赖性
- stage plan： 各个stage的执行打算
先看第一局部 stage dependencies ，蕴含两个 stage，Stage-1 是根stage，阐明这是开始的stage，Stage-0 依赖 Stage-1，Stage-1执行实现后执行Stage-0。
再看第二局部 stage plan，外面有一个 Map Reduce，一个MR的执行打算分为两个局部：
- Map Operator Tree： MAP端的执行打算树
- Reduce Operator Tree： Reduce端的执行打算树
这两个执行打算树外面蕴含这条sql语句的 operator：
map端第一个操作必定是加载表，所以就是 TableScan 表扫描操作，常见的属性：
- alias： 表名称
- Statistics： 表统计信息，蕴含表中数据条数，数据大小等
Select Operator： 选取操作，常见的属性 ：
- expressions：须要的字段名称及字段类型
- outputColumnNames：输入的列名称
- Statistics：表统计信息，蕴含表中数据条数，数据大小等
Group By Operator：分组聚合操作，常见的属性：
- aggregations：显示聚合函数信息
- mode：聚合模式，值有 hash：随机聚合，就是hash partition；partial：部分聚合；final：最终聚合
- keys：分组的字段，如果没有分组，则没有此字段
- outputColumnNames：聚合之后输入列名
- Statistics： 表统计信息，蕴含分组聚合之后的数据条数，数据大小等
Reduce Output Operator：输入到reduce操作，常见属性：
- sort order：值为空 不排序；值为 + 正序排序，值为 - 倒序排序；值为 +- 排序的列为两列，第一列为正序，第二列为倒序
Filter Operator：过滤操作，常见的属性：
- predicate：过滤条件，如sql语句中的where id>=1，则此处显示(id >= 1)
Map Join Operator：join 操作，常见的属性：
- condition map：join形式 ，如Inner Join 0 to 1 Left Outer Join0 to 2
- keys: join 的条件字段
- outputColumnNames： join 实现之后输入的字段
- Statistics： join 实现之后生成的数据条数，大小等
File Output Operator：文件输入操作，常见的属性
- compressed：是否压缩
- table：表的信息，蕴含输入输出文件格式化形式，序列化形式等
Fetch Operator 客户端获取数据操作，常见的属性：
- limit，值为 -1 示意不限度条数，其余值为限度的条数
好，学到这里再翻到下面 explain 的查问后果，是不是感觉根本都能看懂了。
实际
本节介绍 explain 可能为咱们在生产实践中带来哪些便当及解决咱们哪些蛊惑
1. join 语句会过滤 null 的值吗？
当初，咱们在hive cli 输出以下查问打算语句
select a.id,b.user_name from test1 a join test2 b on a.id=b.id;问：下面这条 join 语句会过滤 id 为 null 的值吗
执行上面语句：
explain select a.id,b.user_name from test1 a join test2 b on a.id=b.id;咱们来看后果 (为了适应页面展现，仅截取了局部输入信息)：
TableScan alias: a Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Filter Operator predicate: id is not null (type: boolean) Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: id (type: int) outputColumnNames: _col0 Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE HashTable Sink Operator keys: 0 _col0 (type: int) 1 _col0 (type: int) ...从上述后果能够看到 predicate: id is not null 这样一行，**阐明 join 时会主动过滤掉关联字段为 null
值的状况，但 left join 或 full join 是不会主动过滤的**，大家能够自行尝试下。
2. group by 分组语句会进行排序吗？
看上面这条sql
select id,max(user_name) from test1 group by id;问：group by 分组语句会进行排序吗
间接来看 explain 之后后果 (为了适应页面展现，仅截取了局部输入信息)
TableScan alias: test1 Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: id (type: int), user_name (type: string) outputColumnNames: id, user_name Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE Group By Operator aggregations: max(user_name) keys: id (type: int) mode: hash outputColumnNames: _col0, _col1 Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE Reduce Output Operator key expressions: _col0 (type: int) sort order: + Map-reduce partition columns: _col0 (type: int) Statistics: Num rows: 9 Data size: 108 Basic stats: COMPLETE Column stats: NONE value expressions: _col1 (type: string) ...咱们看 Group By Operator，外面有 keys: id (type: int) 阐明依照 id 进行分组的，再往下看还有 sort order: + ，阐明是依照 id 字段进行正序排序的。
3. 哪条sql执行效率高呢？
察看两条sql语句
SELECT a.id, b.user_nameFROM test1 aJOIN test2 b ON a.id = b.idWHERE a.id > 2;SELECT a.id, b.user_nameFROM (SELECT * FROM test1 WHERE id > 2) aJOIN test2 b ON a.id = b.id;这两条sql语句输入的后果是一样的，然而哪条sql执行效率高呢
有人说第一条sql执行效率高，因为第二条sql有子查问，子查问会影响性能
有人说第二条sql执行效率高，因为先过滤之后，在进行join时的条数缩小了，所以执行效率就高了
到底哪条sql效率高呢，咱们间接在sql语句后面加上 explain，看下执行打算不就晓得了嘛
在第一条sql语句前加上 explain，失去如下后果
hive (default)> explain select a.id,b.user_name from test1 a join test2 b on a.id=b.id where a.id >2;OKExplainSTAGE DEPENDENCIES: Stage-4 is a root stage Stage-3 depends on stages: Stage-4 Stage-0 depends on stages: Stage-3STAGE PLANS: Stage: Stage-4 Map Reduce Local Work Alias -> Map Local Tables: $hdt$_0:a Fetch Operator limit: -1 Alias -> Map Local Operator Tree: $hdt$_0:a TableScan alias: a Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Filter Operator predicate: (id > 2) (type: boolean) Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: id (type: int) outputColumnNames: _col0 Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE HashTable Sink Operator keys: 0 _col0 (type: int) 1 _col0 (type: int) Stage: Stage-3 Map Reduce Map Operator Tree: TableScan alias: b Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Filter Operator predicate: (id > 2) (type: boolean) Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: id (type: int), user_name (type: string) outputColumnNames: _col0, _col1 Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE Map Join Operator condition map: Inner Join 0 to 1 keys: 0 _col0 (type: int) 1 _col0 (type: int) outputColumnNames: _col0, _col2 Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: _col0 (type: int), _col2 (type: string) outputColumnNames: _col0, _col1 Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE File Output Operator compressed: false Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE table: input format: org.apache.hadoop.mapred.SequenceFileInputFormat output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe Local Work: Map Reduce Local Work Stage: Stage-0 Fetch Operator limit: -1 Processor Tree: ListSink在第二条sql语句前加上 explain，失去如下后果
hive (default)> explain select a.id,b.user_name from(select * from test1 where id>2 ) a join test2 b on a.id=b.id;OKExplainSTAGE DEPENDENCIES: Stage-4 is a root stage Stage-3 depends on stages: Stage-4 Stage-0 depends on stages: Stage-3STAGE PLANS: Stage: Stage-4 Map Reduce Local Work Alias -> Map Local Tables: $hdt$_0:test1 Fetch Operator limit: -1 Alias -> Map Local Operator Tree: $hdt$_0:test1 TableScan alias: test1 Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Filter Operator predicate: (id > 2) (type: boolean) Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: id (type: int) outputColumnNames: _col0 Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE HashTable Sink Operator keys: 0 _col0 (type: int) 1 _col0 (type: int) Stage: Stage-3 Map Reduce Map Operator Tree: TableScan alias: b Statistics: Num rows: 6 Data size: 75 Basic stats: COMPLETE Column stats: NONE Filter Operator predicate: (id > 2) (type: boolean) Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: id (type: int), user_name (type: string) outputColumnNames: _col0, _col1 Statistics: Num rows: 2 Data size: 25 Basic stats: COMPLETE Column stats: NONE Map Join Operator condition map: Inner Join 0 to 1 keys: 0 _col0 (type: int) 1 _col0 (type: int) outputColumnNames: _col0, _col2 Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE Select Operator expressions: _col0 (type: int), _col2 (type: string) outputColumnNames: _col0, _col1 Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE File Output Operator compressed: false Statistics: Num rows: 2 Data size: 27 Basic stats: COMPLETE Column stats: NONE table: input format: org.apache.hadoop.mapred.SequenceFileInputFormat output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe Local Work: Map Reduce Local Work Stage: Stage-0 Fetch Operator limit: -1 Processor Tree: ListSink大家有什么发现，除了表别名不一样，其余的执行打算齐全一样，都是先进行 where 条件过滤，在进行 join 条件关联。阐明 hive 底层会主动帮咱们进行优化，所以这两条sql语句执行效率是一样的。
最初
以上仅列举了3个咱们生产中既相熟又有点迷糊的例子，explain 还有很多其余的用处，如查看stage的依赖状况、排查数据歪斜、hive 调优等，小伙伴们能够自行尝试。