张家港设计网站,广州网站开发定制方案,山东银汇建设集团网站,wordpress越来越慢文章目录 一. Hive Architecture二. Metastore1. Metastore Architecture2. Metastore Interface 三. Compiler四. hive架构小结 本文主要讨论了 描述了hive架构#xff0c;hive主要组件的作用详细描述了hsql在hive执行过程中的底层细节描述了hive各组件作用 一. Hive Archite… 文章目录 一. Hive Architecture二. Metastore1. Metastore Architecture2. Metastore Interface 三. Compiler四. hive架构小结 本文主要讨论了 描述了hive架构hive主要组件的作用详细描述了hsql在hive执行过程中的底层细节描述了hive各组件作用 一. Hive Architecture
架构图
如上图表达了hive的主要组件和以及与hadoop的交互
主要的hive组件 UI用户提交接口用于用户提交查询和其他操作等。Driver接收查询的组件。该组件实现了会话句柄ing并提供基于 JDBC/ODBC 接口的execute、 fetch APIs。Compiler该组件解析查询在不同查询块和查询表达式中做语义分析最终借助从metastore查找的表和分区元数据生成执行计划。MetaStore存储所有表、分区的结构化信息包括列和列类型信息、读写数据所需的序列化器和反序列化器以及相关存储的hdfs文件。Execution Engine执行由Compiler生成的执行计划。执行计划是一个由stages组成的有向无环图执行引擎管理stage之间的依赖关系并让合适的组件执行对应的stage。 看下一个查询触发的hive行为 UI调用执行接口将查询发送到DriverDriver创建了查询的session handle会话句柄并发送查询到Compiler来产生执行计划。Compiler从metastore中获取必要的元数据这些元数据用于对查询树中的表达式进行类型检查并根据查询谓词修剪分区。 compiler生成的执行计划是一系列组成DAG的stages每一个stage可能是map/reduce任务、元数据操作或在HDFS的操作。 对于map/reduce stage执行计划包含了map操作符树执行在mapper上reduce操作符树执行在reduce上。执行引擎提交这些stage到合适的组件上(steps 6, 6.1, 6.2 and 6.3)。 和表或中间结果相关的反序列化器用于读取HDFS文件的行并通过相关的算子树传递这些行。当产生输出结果时为了防止不需要reducemapper会通过序列化器将结果写出到一个HDFS临时文件用于给下游stage提供数据。 dml和查询操作 对于DML操作最终的临时文件会被移到表的位置。且因为文件重命名是HDFS的原子操作所以保证了任务不会读取脏数据。 对于查询操作执行引擎直接从HDFS读取临时文件的内容作为Driver fetch call的一部分。 二. Metastore
Metastore提供了数据仓库的两个重要但经常被忽视的特性:数据概述和数据发现。
如果没有Hive提供的数据概述用户必须在查询的同时提供有关数据格式、提取器和加载器的信息。在Hive中这个信息在表创建时给出并且在每次表被引用时重用。这与传统的仓储系统非常相似。数据发现它使用户能够发现和探索仓库中的相关和特定数据。可以使用此元数据构建其他工具以公开并可能增强有关数据及其可用性的信息。 1. Metastore Architecture
元数据是存储在数据库或文件后端的对象存储。数据库支持的存储是使用称为DataNucleus的对象关系映射(ORM)解决方案实现的。
将其存储在关系数据库中的主要动机是元数据的可查询性。但会存在同步和伸缩性的问题。 对于存储在HDFS上因为无法对文件的随机更新现在还没有明确的方法在HDFS上实现对象存储。这一点再加上关系存储的可查询性优势使我们的方法变得合理。 可以通过远程和嵌入式两种方式来配置Metastore。详情见 https://cwiki.apache.org/confluence/display/Hive/AdminManualMetastoreAdministration 2. Metastore Interface
Metastore提供了一个Thrift接口来操作和查询Hive元数据。Thrift可以绑定到许多流行语言中。第三方工具可以通过该接口将Hive元数据集到其他业务元数据存储库中。 三. Compiler
Parser 将查询转换为解释树表达式 Semantic Analyser语义分析器 将解析树表达式转换为内部查询表达式内部查询表达式是基于块的而不是算子树ing。 此过程中还会执行验证列名并展开select* 、类型检查和任何隐式类型转换。 如果表是分区表则收集该表的所有表达式以便稍后使用它们来删除不需要的分区。如果查询指定了采样那么也将收集采样以供以后使用。 Logical Plan Generator逻辑计划产生器 转换内部查询表达式为逻辑计划逻辑计划由算子树组成。 其中一些算子是关系代数运算符如“过滤”、“连接”等。一些算子是Hive特有的稍后将该计划转换为一系列map-reduce作业。比如发生在map-reduce边界的reduceSink算子。此过程还包括优化器转换逻辑计划以提高性能如下: – 将一系列join转换为单个multi-way join – map端执行group-by部分聚合 – 分两个阶段执行group-by以避免单个reducer因group key导致数据倾斜而成为瓶颈的情况。每个操作符包含一个描述符它是一个可序列化的对象。 Query Plan Generator查询计划产生器。 将逻辑计划转变为一系列的map-reduce任务。操作符树被递归地遍历被分解成一系列map-reduce可序列化的任务这些任务稍后提交给Hadoop分布式文件系统的map-reduce框架。reduceSink算子是map-reduce边界算子描述符中包含reduction key作为map-reduce边界。如果查询中明确了samples/partitions计划还会包含samples/partitions。执行计划会被序列化写到一个文件中。 上述参考官网hive-Design
四. hive架构小结
Hive主要由以下四个模块组成
1.用户接口模块 用来实现对hive的访问有CLI、HWI、JDBC、Thrift Server等 CliCommand Line Interface即命令行操作类似sql web ui界面基本不用 通过jdbc/odbc进行连接一般地hive连接jdbc:hive2://(hive所在节点的)主机名:10000
从上面的架构图可以看到通过JDBC、ODBC连接先会经过Thrift Server然后再到Driver其他通过command line和hive web interface则直接和Driver进行交互。 2.thrift server
即跨语言服务层它将其他语言javacpython转化为hive可识别的语言可以让不同的编程语言调用Hive的接口。
其中hive提供的Thrift 接口可以让用户通过JDBC连接发送HiveQL请求到thrift接口然后交由 Driver最后Thrift将执行结果返回客户端。 3.Driver Hive执行的核心流程 解释器将Hql语句转化为抽象的语法树提取关键字 编译器将抽象语法树编译成mapreduce任务 优化器对编译结果进行优化任务的合并 执行器最后由 Executor 执行器进行执行。 Meta Store 1hive元数据可以存储在mysql中。默认元数据存储在一个自带的关系型数据库derby但因为是单用户企业不适用。 2hive元数据的储存内容表数据的字段信息字段名字段类型字段顺序、表名信息表、以及和hdfs目录对应的关系。
