前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Hive优化器原理与源码解析系列--优化规则HiveAggregateProjectMergeRule(十六)

Hive优化器原理与源码解析系列--优化规则HiveAggregateProjectMergeRule(十六)

作者头像
用户7600169
发布2022-04-25 15:38:20
6600
发布2022-04-25 15:38:20
举报
文章被收录于专栏:BigDataplusBigDataplus

目录

背景

优化规则HiveAggregateProjectMergeRule

  • matches方法逻辑详解
  • onMatch方法逻辑详解
  • apply方法等价变换的具体过程详解

总结

背景

这篇文章来讲优化规则HiveAggregateProjectMergeRule,主要功能是将Project投影操作之上的Aggregate聚合函数操作两者进行合并,前提是只有当聚合函数的GroupBY分组表达式和参数是字段引用(即,不是表达式)时,才满足优化规则使用条件。如果识别到Project上的Aggregate操作,如果是通过Project做的汇总,进行两者合并或将Project移除,即group by 字段和投影字段相同,将两者合并。在某些情况下,此规则具有修剪的效果:聚合将使用比Projetct投影操作更少的列。

在CalciteAPI中关于构建Aggregate汇总操作对象组成元素。它与SQL查询语句中的GROUPBY运算符以及SELECT子句中的聚合函数相对应。

  • Aggregate汇总:
代码语言:javascript
复制
protected Aggregate(RelOptCluster cluster,
                    RelTraitSet traitSet,
                    RelNode input,
                    ImmutableBitSet groupSet,
                    java.util.List<ImmutableBitSet> groupSets,
                    java.util.List<AggregateCall> aggCalls)
参数说明:
cluster - 当前集群,提供执行环境
traitSet - 特征集合
input - 输入RelNode
groupSet - GroupSet变量
groupSets - GroupSets元素列表
aggCalls - 调用汇总函数的集合

说明:groupSets的所有成员都必须是groupSet的子集。对于简单的GROUP BY,groupSets是一个包含groupSet的单例列表。如果未指定GROUP BY,或者如果指定GROUP BY(),则groupSet将为空集,并且groupSets将有一个元素,即该空集。如果指定了多维数据集、汇总集或分组集,则groupSet将有其他元素,但每个元素都必须是groupSet的一个子集,并且必须按包含进行排序:(0,1,2),(1),(0,2),(0),()。

  • Project投影:从输入RelNode中计算一组“SELECT EXPRESSIONS”的关系表达式。

优化规则HiveAggregateProjectMergeRule

1)matches方法逻辑详解

matches方法返回此规则Rule是否可能与给定的操作数operands匹配,但是此方法的任何实现都可以给出误报,也就是说虽然规则与操作数匹配,但随后具OnMatch(ReloptRuleCall)而不生成任何后续任务。

判断由RelOptCall调用的优化规则Rule是否与输入参数RelNode关系表达式匹配,即此优化规则Rule能否应用到一个RelNode关系表达式树上。

如果此表达式,含有GroupId,这条规则不能应用,因为GroupId的变化,Value也会发生改变

代码语言:javascript
复制
@Override
public boolean matches(RelOptRuleCall call) {
  final Aggregate aggregate = call.rel(0); //获取root根节点表达式
  for (AggregateCall aggCall : aggregate.getAggCallList()) {
    if (aggCall.getAggregation().equals(HiveGroupingID.INSTANCE)) {//判断是否含有GroupID
      return false;
    }
  }
  return super.matches(call);
}

Group_ID是group_sets集合中分组ID(类似排列组合的分组ID,1组、2组、3组等)。下面例子会使用group_sets和GROUPINGID进行查询,其中的 GROUPINGID,表示结果属于哪一个分组集合。

例如:

代码语言:javascript
复制
SELECT 
month,
day,
COUNT(DISTINCT cookieid) AS uv,
GROUPING__ID
FROM tab_test
GROUP BY month,day
GROUPING SETS (month,day,(month,day))
ORDER BY GROUPING__ID;

结果:
month         day             uv      GROUPING__ID
------------------------------------------------
2015-03       NULL            5       1
2015-04       NULL            6       1
NULL          2015-03-10      4       2
NULL          2015-03-12      1       2
NULL          2015-04-12      2       2
2015-03       2015-03-10      4       3
2015-03       2015-03-12      1       3
2015-04       2015-04-12      2       3

等价于
SELECT month,NULL,COUNT(DISTINCT cookieid) AS uv,1 AS GROUPING__ID FROM tab_test GROUP BY month
UNION ALL
SELECT NULL,day,COUNT(DISTINCT cookieid) AS uv,2 AS GROUPING__ID FROM tab_test GROUP BY day
UNION ALL
SELECT month,day,COUNT(DISTINCT cookieid) AS uv,3 AS GROUPING__ID FROM tab_test GROUP BY month,day
说明:grouping sets 只会根据,sets集合内每个元素单独分组:month、day、(month,day)三个分组
注意:group by中字段集合 要 包含 grouping sets()集合字段,否则会报错,即{group by} >={grouping sets}

2)onMatch方法逻辑详解

接收有关一条规则匹配的通知。同时此方法被调用,call.rels保存了与规则Rule的操作数Operands匹配上的关系表达式RelNode集合;call.rels[0]是根表达式。通常一条规则Rule会检查这些节点是否有效匹配,创建一个新表达式RelNode(等价的)然后调用RelOptRuleCall.transformTo(org.apache.calcite.rel.RelNode, java.util.Map<org.apache.calcite.rel.RelNode, org.apache.calcite.rel.RelNode>)注册表达式。而RelOptRuleCall用一系列RelNode关系表达式集合作为参数,对RelOptRule优化规则的调用。

call.rel(1)获取Project投影操作,call.rel(0)也即获取的Project操作之上Aggregate操作。apply函数将Project投影操作之上的Aggregate聚合函数操作两者进行合并的关键,返回优化后的非空的RelNode,RelOptRuleCall调用转换方法注册到RelSet集合,以备优化器构建最优执行计划。

代码语言:javascript
复制
@Override
public void onMatch(RelOptRuleCall call) {
  final HiveAggregate aggregate = call.rel(0);// 根表达式root expression 为Aggregate
  final HiveProject project = call.rel(1); //下一个表达式为Project
  RelNode x = apply(aggregate, project);    //两个操作应用到一个RelNode
  if (x != null) {
    call.transformTo(x);//调用转换
  }
}

3)apply方法涉及到等价变换的具体过程

传入参数为Aggregate操作对象和Project投影操作对象

代码语言:javascript
复制
public static RelNode apply(HiveAggregate aggregate,
    HiveProject project)

RexInputRef:引用输入关系表达式RelNode的字段的变量。

输入的字段是基于0的。如果有多个输入,则它们将连续编号。如果连接的输入是如下:

代码语言:javascript
复制
RexInputRef:(序号,字段数据类型)代表 一个字段

* Input #0: EMP(EMPNO, ENAME, DEPTNO) and
* Input #1: DEPT(DEPTNO AS DEPTNO2, DNAME)
  
字段分别如下:

* Field #0: EMPNO
* Field #1: ENAME
* Field #2: DEPTNO (from EMP)
* Field #3: DEPTNO2 (from DEPT)
* Field #4: DNAME

因此 RexInputRef(3, Integer) is 字段 DEPTNO2的正确的引用.

  1. 初始化groupset字段索引与投影中字段索引的映射关系,并判断Project投影的行表达式,是一个字段的引用,而不是函数表达式,否则将无法应用此优化。
代码语言:javascript
复制
for (int key : aggregate.getGroupSet()) {//Returns a bit set of the grouping fields  ( 如上述:grouping sets(cur_stt,crt_tim) )
  final RexNode rex = project.getProjects().get(key);  //project.getProjects()返回类型:List<RexNode>  //select 1,2,sum(a) from t group by 1,2
  if (rex instanceof RexInputRef) { //判断Project投影的行表达式,是一个字段的引用,而不是函数之类的
    final int newKey = ((RexInputRef) rex).getIndex(); //取出字段引用的Ref的字段序号。
    newKeys.add(newKey);
    map.put(key, newKey);   //初始化groupset字段索引与投影中字段索引的映射关系
  } else {
    // Cannot handle "GROUP BY expression"
    return null;
  }
}

2 .遍历调用汇总函数,函数列表,判断AGG引用的字段是否在Project投影中引用,而且是字段引用,而不是表达式的引用,否则将跳出优化。

代码语言:javascript
复制
for (AggregateCall aggregateCall : aggregate.getAggCallList()) {//遍历调用汇总函数,函数列表
  final ImmutableList.Builder<Integer> newArgs = ImmutableList.builder();
  for (int arg : aggregateCall.getArgList()) {//遍历 每个汇总函数内的参数,并到投影中确认,判断是否引用到字段,并添加到newArgs列表中,否则返回为null
    final RexNode rex = project.getProjects().get(arg); // 如果在Project投影中,没有找到则返回null或返回的不是字段引用,最终结果返回null,则会跳出优化
    if (rex instanceof RexInputRef) {
      newArgs.add(((RexInputRef) rex).getIndex());
    } else {
      // Cannot handle "AGG(expression)"
      return null;
    }
  }

3. 如果groupset顺序不同,或者包含重复,则添加一个Project。判断这两个列表是否相等,如果不相等,则进行遍历newKeys索引,并查找对应newGroupSet索引位置,添加到postList中。使用new Aggregate和posList列表创建一个new Project投影。这里完成了Aggregate和Project合并的操作作为一个RelNode。

代码语言:javascript
复制
  RelNode rel = newAggregate;
  if (!newKeys.equals(newGroupSet.asList())) { //判断这两个列表是否相等,如果不相等,则进行遍历newKeys索引,并查找对应newGroupSet索引位置,添加到postList中。
    final List<Integer> posList = Lists.newArrayList();
    for (int newKey : newKeys) {
      posList.add(newGroupSet.indexOf(newKey));
    }
    if (aggregate.indicator) {//如果indicator为true
      for (int newKey : newKeys) {
        posList.add(aggregate.getGroupCount() + newGroupSet.indexOf(newKey));//在分组字段个数的基础上+索引
      }
    }
    for (int i = newAggregate.getGroupCount()
                 + newAggregate.getIndicatorCount();
         i < newAggregate.getRowType().getFieldCount(); i++) {
      posList.add(i);
    }
    rel = HiveRelOptUtil.createProject(
        HiveRelFactories.HIVE_BUILDER.create(aggregate.getCluster(), null),
        rel, posList);// 这里合并最要的一步:使用new Aggregate和posList列表创建一个new Project投影。这里完成了Aggregate和Project合并的操作作为一个RelNode。
  }

  return rel;
}

总结

优化规则HiveAggregateProjectMergeRule是将Project投影和Aggregate汇总参数及GroupBy引用字段(注,不能是表达式)相同,会将Aggregate和Project进行合并。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-11-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 BigDataplus 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档