瑞安网站设计百度seo优化分析

本文用于记录Spark SQL执行计划解析的源码分析。文中仅对关键要点进行提及，无法面面具到，仅描述大体的框架。

Spark的Client有很多种，spark-sql，pyspark，spark- submit，R等各种提交方式，这里以spark.sql()方法作为源码分析入口：

在介绍具体的解析流程之前，我们画了一个图，图中展示了SQL被解析的各个阶段：

1. SQL文本会经过antlr框架执行词法解析，语法解析，随后生成一个AST树，进入后续各个阶段的执行计划解析和优化
2. 首先是进入parsing阶段，由Parser解析LogicalPlan，生成unresolved LogicalPlan。Parser是ParserInterface的实现，具体的继承关系如下图：
   
3. 接下来进入analysis阶段，有Analyzer执行一系列的rule生成analyzed LogicalPlan。Analyzer继承自RuleExecutor，是一系列analyze的rule集合
   
4. 接着进入optimization阶段，负责优化的是Optimizer，它也是继承自RuleExecutor，随后生成optimized LogicalPlan。
5. optimized LogicalPlan会被被传递给SparkPlanner进入planning阶段，同样也是一系列的Rule，不同的是这一阶段已经到了物理计划的解析，输出结果不再是LogicalPlan，而是SparkPlan。
   
6. 第一个planning阶段结束后，还会再次进去planning阶段，此时负责优化的是preparations（一些列针对SparkPlan优化的Rule），主要就是插入AQE相关的优化。此时生成的就是executedPlan。

至此，Spark SQL的执行计划（逻辑计划，物理计划）解析就告一段落，剩下的就是拿到executedPlan开始切分stage，task，申请资源进行调度，执行具体物理计划的逻辑了。