vlambda博客
学习文章列表

hive源码看到最后了，终于来到最关键的地方了。

还是举个例子： 上次那个sql语句：

select name,count(salary) from hive_db.employee where name = 'Krian' group by name limit 1;

最后经过物理计划转化成的Map/Reduce Task为：

然后ExecDriver的execute 方法提交job。

其中：

job.setMapperClass(ExecMapper.class);job.setReducerClass(ExecReducer.class);

所以Map和reduce的类分别在ExecMapper.class和ExecReducer.class里。

先看ExecMapper.class， reducer和它差不多。

这个类的map方法主要分2步，

1. 初始化变量 如 OutputCollector map的输出，

最重要的是把OutputCollector 传给子节点的ReduceSinkOperator，因为RS要 OutputCollector 输出结果，

2. 这个类里维护了一个 AbstractMapOperator 变量，第二步就是运行MapOperator 的 process方法。 这个方法是核心。

首先，它的作用就是从头节点遍历Map Task的 Operator树，并运行子Operator节点的 process方法。

因为所以的Operator节点（如TableScanOperator）都继承Operator类。

它的核心方法有2个，  process和 forward方法。

process方法就是这个Operator在Mapreduce的真正操作逻辑。

最后执行forward方法。

forward方法就是执行所有子Operator节点的 process方法。

所以比如上面图中Map Task，有5个 Operator节点。

它的流程就是先执行

MapOperator 的 process -> 里面执行 TS 的process -> TS 的forward 

->FIL的的process -> FIL的forward ->SEL的的process -> SEL的forward 

->GBY的的process -> GBY的forward -> RS的的process .

所以所有的map操作逻辑都在各个OP节点的process 方法。 执行时只需要前序遍历OP树就可以了。

最后附个代码：TableScanOperator的process方法：

 public void process(Object row, int tag) throws HiveException { if (rowLimit >= 0) { if (row instanceof VectorizedRowBatch) { VectorizedRowBatch batch = (VectorizedRowBatch) row; if (currCount >= rowLimit) { setDone(true); return; } if (currCount + batch.size > rowLimit) { batch.size = rowLimit - currCount; } currCount += batch.size; } else if (currCount++ >= rowLimit) { setDone(true); return; } } if (conf != null && conf.isGatherStats()) { gatherStats(row); } forward(row, inputObjInspectors[tag]); }

Reduce端和Map端差不多，就不细说了。

总结!

这会hive源码终于看完了，接下来卓仔要学习后端的东西了。