Метаданные статистики Spark CBO
Метаданные статистики Spark CBO

процесс синтаксического анализа

Spark SQLпроцесс синтаксического анализарезюмировано как:

  1. Операторы SQL компилируются и анализируются в деревья AST на основе ANTLR4.,SparkSqlParser#parseпроходитьVisitorАнализ обхода шаблонов посетителейASTДерево,генерироватьUnresolved Logical План (нерешенный логический план);
  2. на основеAnalyzer#applyСоответствующий эффект правил,Логический план (логический план) формируется после привязки информации узла дерева (Каталог метаданных);
  3. на основеOptimizer#applyоптимизация Неэффективная логика Деревоструктура(нравитьсяCBOоптимизация),генерироватьOptimized Logical План (оптимизированный логический план);
  4. на основеSparkPlanner#plan,в соответствии сOptimized Logical PlanСопоставьте соответствующийStrategyигенерироватьгруппаPhysical Планы (физический план);
  5. На основе модели затрат (Стоимость Модель)Выбрано Physical Plan(оптимальный план по физике)и подготовиться к подаче(prepareForExecution);
  6. Наконец, объект RDD выполнения получается на основе генерации кода.

Весь описанный выше процесс преобразования выполняется на стороне драйвера Spark и не задействует распределенную среду.

Статистика

Spark 2.2 начинает поддерживать оптимизацию CBO, а время запуска обновлений статистических метаданных следующее:

  • ANALYZE:AnalyzeTableCommand、AnalyzeColumnCommand;
  • ALTER:AlterTableAddPartitionCommand、AlterTableDropPartitionCommand、AlterTableSetLocationCommand、TruncateTableCommand;
  • INSERT:InsertIntoHiveTable、InsertIntoHadoopFsRelationCommand、LoadDataCommand;

Statistics Статистика,ссылка:org.apache.spark.sql.catalyst.plans.logical.Statistics

Поле

Имя поля

sizeInBytes

Размер файла данных, байт

rowCount

Количество строк таблицы

attributeStats

Карта атрибутов Поле

ColumnStat Поле Статистика, Поле поддерживает статистику гистограмм:

Поле

Имя поля

distinctCount

Статистика количества различных значений Поле

min

Полеминимум

max

ПолеMAX

nullCount

Поле — количество нулевых значений

avgLen

Средняя длина поля

maxLen

Максимальная длина значения Поле

histogram

Гистограмма значений поля

version

Полестатистическая версия

Есть три способа получить метаданные Spark. Статистика:

  1. Получение хранилища метаданных на основе персистентности, в настоящее время поддерживается только хранилище метаданных Hive;
  2. На основе InMemoryFileIndex вызовите базовый API хранилища (Hadoop API), чтобы вычислить количество и размер хранилища файлов данных;
  3. Используйте размер данных Spark по умолчанию, параметр конфигурации: spark.sql.defaultSizeInBytes;

Подключение к внешнему метахранилищу метаданных инкапсулируется как CatalogStatistics.,Метаданные таблицы получаются из Table#parameters.,Пакеты хранения и чтения статистики называются соответственно: HiveExternalCatalog#statsToProperties, HiveExternalCatalog#statsFromProperties,HiveClientИнкапсуляцияна основеHive Metastore RPCинтерфейс,Чтение и запись статистических метаданных, сохраненных в Hive Metastore, путем вызова HiveClient.。Sparkповерхность Статистика имеетнравиться Настройте первичный ключ ниже:

  • spark.sql.statistics.totalSize: общий размер файлов табличных данных, единичный байт;
  • spark.sql.statistics.numRows: общее количество строк данных таблицы;
  • spark.sql.statistics.colStats.{имя поля}: где значение — статистика в формате json.,Включенная информация: DifferentCount, min, max, nullCount, avgLen, maxLen, гистограмма, версия;

АНАЛИЗВыполнение

Язык кода:sql
копировать
ANALYZE TABLE table_name [ PARTITION ( partition_col_name [ = partition_col_val ] [ , ... ] ) ]
    COMPUTE STATISTICS [ NOSCAN | FOR COLUMNS col [ , ... ] | FOR ALL COLUMNS ]

Поддержка команд анализа: AnalyColumnCommand, AnalyTableCommand.

Выполнение статистических метаданных

  • поверхность Статистика:вызовCommandUtils#calculateTotalSize Инкапсулированное выполнение, totalSize считывает информацию о файле FS в разделе «Местоположение» и суммирует ее, numRows вызывает программу запуска искры sparkSession.table("table").count();
  • Поле Статистика:вызовCommandUtils#computeColumnStats Инкапсулировать выполнение, CommandUtils#computePercentiles Поддерживает статистику гистограммы для каждого сегментированного данных (по умолчанию 254 сегмента) и выполняет статистику Spark. Реализация агрегатного оператора;

Сбор статистических метаданных:получатьповерхность、Информация о разделах будет автоматически дополнена статистическими метаданными;

Обновления статистических метаданныхSessionCatalog#alterTableStatsОбновить метаданные,Реализовано для Hive Metastore.,новызовHiveClient#alterTableметод Обновить метаданные Информация о конфигурации。

Я участвую в последнем конкурсе эссе для специального учебного лагеря Tencent Technology Creation 2024. Приходите и разделите со мной приз!

boy illustration
Углубленный анализ переполнения памяти CUDA: OutOfMemoryError: CUDA не хватает памяти. Попыталась выделить 3,21 Ги Б (GPU 0; всего 8,00 Ги Б).
boy illustration
[Решено] ошибка установки conda. Среда решения: не удалось выполнить первоначальное зависание. Повторная попытка с помощью файла (графическое руководство).
boy illustration
Прочитайте нейросетевую модель Трансформера в одной статье
boy illustration
.ART Теплые зимние предложения уже открыты
boy illustration
Сравнительная таблица описания кодов ошибок Amap
boy illustration
Уведомление о последних правилах Points Mall в декабре 2022 года.
boy illustration
Даже новички могут быстро приступить к работе с легким сервером приложений.
boy illustration
Взгляд на RSAC 2024|Защита конфиденциальности в эпоху больших моделей
boy illustration
Вы используете ИИ каждый день и до сих пор не знаете, как ИИ дает обратную связь? Одна статья для понимания реализации в коде Python общих функций потерь генеративных моделей + анализ принципов расчета.
boy illustration
Используйте (внутренний) почтовый ящик для образовательных учреждений, чтобы использовать Microsoft Family Bucket (1T дискового пространства на одном диске и версию Office 365 для образовательных учреждений)
boy illustration
Руководство по началу работы с оперативным проектом (7) Практическое сочетание оперативного письма — оперативного письма на основе интеллектуальной системы вопросов и ответов службы поддержки клиентов
boy illustration
[docker] Версия сервера «Чтение 3» — создайте свою собственную программу чтения веб-текста
boy illustration
Обзор Cloud-init и этапы создания в рамках PVE
boy illustration
Корпоративные пользователи используют пакет регистрационных ресурсов для регистрации ICP для веб-сайта и активации оплаты WeChat H5 (с кодом платежного узла версии API V3)
boy illustration
Подробное объяснение таких показателей производительности с высоким уровнем параллелизма, как QPS, TPS, RT и пропускная способность.
boy illustration
Удачи в конкурсе Python Essay Challenge, станьте первым, кто испытает новую функцию сообщества [Запускать блоки кода онлайн] и выиграйте множество изысканных подарков!
boy illustration
[Техническая посадка травы] Кровавая рвота и отделка позволяют вам необычным образом ощипывать гусиные перья! Не распространяйте информацию! ! !
boy illustration
[Официальное ограниченное по времени мероприятие] Сейчас ноябрь, напишите и получите приз
boy illustration
Прочтите это в одной статье: Учебник для няни по созданию сервера Huanshou Parlu на базе CVM-сервера.
boy illustration
Cloud Native | Что такое CRD (настраиваемые определения ресурсов) в K8s?
boy illustration
Как использовать Cloudflare CDN для настройки узла (CF самостоятельно выбирает IP) Гонконг, Китай/Азия узел/сводка и рекомендации внутреннего высокоскоростного IP-сегмента
boy illustration
Дополнительные правила вознаграждения амбассадоров акции в марте 2023 г.
boy illustration
Можно ли открыть частный сервер Phantom Beast Palu одним щелчком мыши? Супер простой урок для начинающих! (Прилагается метод обновления сервера)
boy illustration
[Играйте с Phantom Beast Palu] Обновите игровой сервер Phantom Beast Pallu одним щелчком мыши
boy illustration
Maotouhu делится: последний доступный внутри страны адрес склада исходного образа Docker 2024 года (обновлено 1 декабря)
boy illustration
Кодирование Base64 в MultipartFile
boy illustration
5 точек расширения SpringBoot, супер практично!
boy illustration
Глубокое понимание сопоставления индексов Elasticsearch.
boy illustration
15 рекомендуемых платформ разработки с нулевым кодом корпоративного уровня. Всегда найдется та, которая вам понравится.
boy illustration
Аннотация EasyExcel позволяет экспортировать с сохранением двух десятичных знаков.