spark sql 执行计划生成案例

前言

    一个SQL从词法解析、语法解析、逻辑执行计划、物理执行计划最终转换为可以执行的RDD，中间经历了很多的步骤和流程。其中词法分析和语法分析均有ANTLR4完成，可以进一步学习ANTLR4的相关知识做进一步了解。

    本篇文章主要对一个简单的SQL生成的逻辑执行计划物理执行计划的做一个简单地说明。

示例代码

case class Person(name: String, age: Long)
private def runBasicDataFrameExample2(spark: SparkSession): Unit = {
  import spark.implicits._
  val df: DataFrame = spark.sparkContext
    .parallelize(
      Array(
        Person("zhangsan", 10),
        Person("lisi", 20),
        Person("wangwu", 30))).toDF("name", "age")
  df.createOrReplaceTempView("people")
  spark.sql("select * from people where age >= 20").show()
}

生成逻辑物理执行计划示例

    生成的逻辑和物理执行计划，右侧的是根据QueryExecution的 toString 方法，得到的对应结果

QueryExecution关键源码分析

    对关键源码，自己做了简单的分析。如下图：

    其中SparkSqlParser使用ASTBuilder生成UnResolved LogicalPlan。

最后

    注意Spark SQL 从driver 提交经过词法分析、语法分析、逻辑执行计划、到可落地执行的物理执行计划。其中前三部分都是 spark catalyst 子模块的功能，与最终在哪个SQL执行引擎上执行并无多大关系。物理执行计划是后续转换为RDD的基础和必要条件。

    本文对Spark SQL中关键步骤都有一定的涉及，也可以针对QueryExecution做后续的分析，建议修改SparkSQL 源码，做本地调试。后续会进一步分析，主要结合 《SparkSQL 内核剖析》这本书以及自己在工作学习中遇到的各种问题，做进一步源码分析