Pig源碼分析: 邏輯執行計劃模塊
Whole View
Architecture
關鍵類/接口關係圖
下麵對關鍵類/接口具體實現做分析
Operator
public abstract class Operator { protected SourceLocation location; // The location of the operator in the original pig script. protected String name; protected OperatorPlan plan; // plan that contains this operator protected Map<String, Object> annotations; protected final int hashPrime = 31;
Operator的變量:
對name和plan提供get函數,構造函數傳入name和plan。
對annotations提供get,annote,remove方法,來得到、添加、移除注釋。
對locaiton提供get和set函數,且構造函數new SourceLocation()。
Operstor抽象方法:
主要方法為accept(PlanVisitor v),在PlanWalker裏常用到。
還提供一個isEqual方法。
繼承結構

主要看兩類實現 LogicalExpression和LogicalRelationalOperator
LogicalExpression
public abstract class LogicalExpression extends Operator { static long nextUid = 1; protected LogicalSchema.LogicalFieldSchema fieldSchema; protected LogicalSchema.LogicalFieldSchema uidOnlyFieldSchema;
deepCopy()方法需要子類實現
繼承結構:

子類實現略
LogicalRelationalOperator
LogicalRelationalOperator代表關係型操作,關係型操作有Schema。以下是主要變量,LogicalRelationalOperator為他們提供了一些get/set方法。
abstract public class LogicalRelationalOperator extends Operator { protected LogicalSchema schema; protected int requestedParallelism; protected String alias; protected int lineNum; /** * Name of the customPartitioner if one is used, this is set to null otherwise. */ protected String mCustomPartitioner = null; /** * A HashSet to indicate whether an option (such a Join Type) was pinned * by the user or can be chosen at runtime by the optimizer. */ protected HashSet<Integer> mPinnedOptions = new HashSet<Integer>();
關於LogicalSchema類:
內部類LogicalFieldSchema具體表示每一個field的結構,可以看到與LogicalSchema是嵌套的。LogicalSchema維護一個List<LogicalFieldSchema>
public static class LogicalFieldSchema { public String alias; public byte type; public long uid; public LogicalSchema schema;
提供基本方法如下:

繼承結構:

子類實現略。
OperatorPlan
OperatorPlan是一個接口,定義了對Operator的圖操作(Graph Operations)。
羅列了所有方法之後發現,Operator類雖然沒有結構,隻是一個普通的VO類。但是OperatorPlan這個接口定義的以下這套圖操作,使Operstor與Operator組成了一個Graph。

實現結構:
下麵展開分析。
OperatorSubPlan
OperatorSubPlan代表的是一個OperatorPlan的一個子集的視圖,OperatorSubPlan隻有一個實現,使用在Rule的match過程裏。所以OperatorSubPlan的作用就是提供一個子Plan,用於匹配操作。
BaseOperatorPlan
BaseOperatorPlan實現了OperatorPlan接口,具體實現了各個圖操作方法,把Operator之間的關係(包括softLink關係)用PlanEdge表示,圖操作方法都借助PlanEdge類表達和實現。
public abstract class BaseOperatorPlan implements OperatorPlan { protected List<Operator> ops; protected PlanEdge fromEdges; protected PlanEdge toEdges; protected PlanEdge softFromEdges; protected PlanEdge softToEdges; private List<Operator> roots; private List<Operator> leaves;
比如:
toEdges.get(op) 返回op的前輩
toEdges.get(op)==null 的op為root
fromEdges.get(op) 返回op的後輩
fromEdges.get(op)==null 的op為leave
PlanEdge類的實現:
public class PlanEdge extends MultiMap<Operator, Operator>
這裏的MultiMap是Pig自己的工具類,Pig表示不使用Apache common的MultiMap是因為不支持序列化。
public class MultiMap<K, V> implements Serializable { // Change this if you modify the class. static final long serialVersionUID = 2L; protected Map<K, ArrayList<V>> mMap = null; public MultiMap() { mMap = new HashMap<K, ArrayList<V>>(); }
因為MultiMap的value部分使用的是ArrayList,所以使得某些圖操作支持position信息,如:
public Pair<Integer, Integer> disconnect(Operator from, Operator to) public void connect(Operator from, int fromPos, Operator to, int toPos)
除了實現圖操作方法外,BaseOperatorPlan還提供了explain()方法,子類會使用dpumper或printer來打印輸出Operators層次結構。
主要看下LogicalPlan和LogicalExpressionPlan兩個實現類。
LogicalPlan
LogicalPlan隻包含關係型操作,也就是說涉及到的Operator都是LogicalRelationalOperator。
explain()方法既支持LogicalPlanPrinter的visit實現,也支持DotLOPrinter的dpump實現。
LogicalPlanPrinter是PlanVisitor的子類, LogicalPlanPrinter內部有一個PrintStream,在visit()過程中邊遍曆,邊記錄。
DotLOPrinter是DotPlanDumper的子類,DotPlanDumper是PlanDumper的子類,根據graphviz的dot algorithm,輸出符合DOT格式的plan。
LogicalExpressionPlan
LogicalExpressionPlan處理的是LogicalExpressionOperators。
explain()方法借助LogicalPlanPrinter實現
PlanVisitor
訪問者機製,用於操作一個plan。
內部有一個PlanWalker雙向隊列,PlanWalker會按照某種順序遍曆訪問傳入的OperatorPlan,讓plan的每個operation accept該Visitor。
PlanVisitor可以進行push和pop walker的操作。visit()方法調用的是walker.walk(this)方法。

繼承結構很可觀

主要看LogicalExpressionVisitor、LogicalRelationalNodesVisitor這兩大體係。前者訪問expression plans,後者訪問logical plans。
LogicalExpressionVisitor
LogicalExpressionVisitor初始化的時候會判斷傳入的OperatorPlan是否是LogicalExpressionPlan的子類。visit()方法們通過多態,接受LogicalExpression的子類。
LogicalRelationalNodesVisitor
LogicalRelationalNodesVisitor接受的OperatorPlan必須每個operator都是LogicalRelationalOperator的子類(初始化的時候會得到operator iterator對每個進行校驗,不滿足就拋異常)。visit()方法們通過多態,接受LogicalRelationalOperator的實現子類。
PlanWalker
PlanWalker提供的是遍曆訪問一個plan的能力。
PlanWalker的子類主要實現兩個方法:
public abstract void walk(PlanVisitor visitor) throws FrontendException; public abstract PlanWalker spawnChildWalker(OperatorPlan plan);
walk()方法在子類的實現中,會以不同的順序遍曆plan,最後的結果是遍曆到的節點Operator會調op.accept(visitor)接受本Visitor。
繼承結構
接下來具體介紹各子類遍曆能力的實現。
DependencyOrderWalker
DependencyOrderWalker按照依賴順序訪問plan,即一個node被訪問的前提是它的前輩們已經被訪問過了。這個訪問順序相當於,按照拓撲順序訪問圖上的節點。
@Override public PlanWalker spawnChildWalker(OperatorPlan plan) { return new DependencyOrderWalker(plan); }
walk()方法通過plan.getSinks()方法得到所有的leave節點,即沒有後輩的節點,然後遍曆他們,獲取每個節點的所有前輩,再遞歸前輩的前輩,從而實現把所有的節點都訪問一遍,最後得到結果就是一個FIFO的List。代碼裏的這個Graph依賴遍曆的方式很不高效,但是因為訪問的圖的節點少,所以可接受。
遞歸的過程如下
protected void doAllPredecessors(Operator node, Set<Operator> seen, Collection<Operator> fifo) throws FrontendException { if (!seen.contains(node)) { // We haven't seen this one before. Collection<Operator> preds = Utils.mergeCollection(plan.getPredecessors(node), plan.getSoftLinkPredecessors(node)); if (preds != null && preds.size() > 0) { // Do all our predecessors before ourself for (Operator op : preds) { doAllPredecessors(op, seen, fifo); } } // Now do ourself seen.add(node); fifo.add(node); } }
DepthFirstWalk
DepthFirstWalker是深度優先遍曆(由上而下的深度優先)
@Override public PlanWalker spawnChildWalker(OperatorPlan plan) { return new DepthFirstWalker(plan); }
walk()方法通過plan.getSources()得到所有的root節點,然後遍曆他們,遍曆的時候獲取他們的所有後輩,遞歸遍曆。
遞歸過程如下:
private void depthFirst(Operator node, Collection<Operator> successors, Set<Operator> seen, PlanVisitor visitor) throws FrontendException { if (successors == null) return; for (Operator suc : successors) { if (seen.add(suc)) { suc.accept(visitor); Collection<Operator> newSuccessors = Utils.mergeCollection(plan.getSuccessors(suc), plan.getSoftLinkSuccessors(suc)); depthFirst(suc, newSuccessors, seen, visitor); } } }
PreOrderDepthFirstWalker
PreOrderDepthFirstWalker即前序深度優先(由下而上的深度優先)
子Walker是深度優先
public PlanWalker spawnChildWalker(OperatorPlan plan) { return new DepthFirstWalker(plan); }
walk()方法是通過plan.getSinks()得到所有leave節點,然後遍曆每個leave節點,獲得他的前輩,並遞歸進行深度優先(向上)遍曆。
遞歸操作如下:
private void depthFirst(Operator node, Collection<Operator> predecessors, Set<Operator> seen, PlanVisitor visitor) throws FrontendException { if (predecessors == null) return; boolean thisBranchFlag = branchFlag; for (Operator pred : predecessors) { if (seen.add(pred)) { branchFlag = thisBranchFlag; pred.accept(visitor); Collection<Operator> newPredecessors = Utils.mergeCollection(plan.getPredecessors(pred), plan.getSoftLinkPredecessors(pred)); depthFirst(pred, newPredecessors, seen, visitor); } } }
ReserveDependencyOrderWalker
ReserveDependencyOrderWalker是逆向的依賴順序遍曆,即一個節點訪問之後才能訪問它依賴的節點,即N節點要想被訪問,需要依賴N節點的節點先被訪問。
@Override public PlanWalker spawnChildWalker(OperatorPlan plan) { return new ReverseDependencyOrderWalker(plan); }
walk()方法的訪問模式類似DependencyOrderWalker,區別在於先獲得所有的root節點,然後進行遍曆操作,遍曆root節點的所有後輩,遞歸後輩的後輩,使root節點最後訪問。
遞歸如下:
protected void doAllSuccessors(Operator node, Set<Operator> seen, Collection<Operator> fifo) throws FrontendException { if (!seen.contains(node)) { // We haven't seen this one before. Collection<Operator> succs = Utils.mergeCollection(plan.getSuccessors(node), plan.getSoftLinkSuccessors(node)); if (succs != null && succs.size() > 0) { // Do all our successors before ourself for (Operator op : succs) { doAllSuccessors(op, seen, fifo); } } // Now do ourself seen.add(node); fifo.add(node); } }
ReverseDependencyOrderWalkerWOSeenChk
ReverseDependencyOrderWalkerWOSeenChk也是逆向的依賴順序遍曆,同ReserveDependencyOrderWalker一樣。
子Walker是ReserveDependencyOrderWalker
@Override public PlanWalker spawnChildWalker(OperatorPlan plan) { return new ReverseDependencyOrderWalker(plan); }
walk()方法和ReserveDependencyOrderWalker的區別在於,每次遍曆的時候不記錄一個seen的Set<Operator>集。
最後更新:2017-04-03 12:56:08