Hive执行计划之hive依赖及权限查询和常见使用场景

目录

• 概述
  
• 1.explain dependency的查询与使用
  
• 2.借助explain dependency解决一些常见问题
  
  
  
  • 2.1.识别看似等价的SQL代码实际上是不等价的：
    
  • 2.2 通过explain dependency验证将过滤条件在不同位置的查询区别
    
  
  
• 3.查看SQL操作涉及到的相关权限信息
  

概述

Hive查看执行计划的命令中还有两个不怎么常用但很重要的命令，接下来详细介绍一下。
有一个问题：如何在hiveSQL执行之前就探查到这段逻辑的血缘依赖关系？
hive血缘是很多生产级数仓必须要提供的功能，大多数解决方案都是使用hive hooks的方法通过SQL执行后解析得到hive表的依赖关系。
这个方案能细粒度到字段级依赖，属于很完善的一个解决方案，但有很多场景我们需要在SQL执行之前就得到依赖关系，那么如何解决的呢？
1.explain dependency的查询与使用

explain dependency 提供了这样的一个解决方案，它可以查询一段SQL需要的数据来源，以JSON的形式展现结果数据。里面主要包含两部分内容：

• input_tables：描述一段SQL依赖的数据来源表，里面存储的是hive表名的列表，格式如下：
  {"tablename":"库名@表名","tabletype":"表的类型（外部表/内部表）"}
  
• input_partitions：描述一段SQL依赖的数据来源表分区，里面存储的是分区名称的列表，格式如下：
  {"partitionName":"库名@表名@分区列=分区列的值"}
  如果查询的表为非分区表，则显示为空。
  

可以通过以下例子来进行比对，其中例1是查询非分区普通表SQL的explain dependency，例2是查询分区表SQL的explain dependency。
例1 使用explain dependency查看SQL非分区普通表。

1. explain dependency
2. -- 统计年龄小于30岁各个年龄里，昵称里带“小”的人数
3. select age,count(0) as num from temp.user_info_all_no
4. where age < 30 and nick like '%小%'
5. group by age;

复制代码

输出结果内容：

1. {"input_tables":[{"tablename":"temp@user_info_all_no","tabletype":"MANAGED_TABLE"}],"input_partitions":[]}

复制代码

例2 使用explain dependency查看SQL查询分区表。

1. explain dependency
2. -- 统计年龄小于30岁各个年龄里，昵称里带“小”的人数,其中ymd字段为分区字段
3. select age,count(0) as num from temp.user_info_all where ymd >= '20230501'
4. and age < 30 and nick like '%小%'
5. group by age;

复制代码

输出结果内容：

1. {"input_tables":[{"tablename":"temp@user_info_all","tabletype":"MANAGED_TABLE"}],"input_partitions":[{"partitionName":"temp@user_info_all@ymd=20230501"},{"partitionName":"temp@user_info_all@ymd=20230502"},{"partitionName":"temp@user_info_all@ymd=20230503"},{"partitionName":"temp@user_info_all@ymd=20230504"},{"partitionName":"temp@user_info_all@ymd=20230505"},{"partitionName":"temp@user_info_all@ymd=20230529"}]}

复制代码

2.借助explain dependency解决一些常见问题

explain dependency的使用场景有以下几个：
场景一，快速排除。快速排除因为读不到相应分区的数据而导致任务数据输出异常。例如，在一个以天为分区的任务中，上游任务因为生产过程不可控因素出现异常或者空跑，导致下游任务引发异常。通过这种方式，可以快速查看SQL读取的分区是否出现异常。
场景二，理清表的输入，帮助理解程序的运行，特别是有助于理解有多重子查询，多表连接的依赖输入。
场景三，提前通过解析hiveSQL脚本进行血缘依赖解析，用于一些定制化数据平台工具开发中的血缘构建。
explain dependency的使用能帮助开发者解决哪些问题呢？
2.1.识别看似等价的SQL代码实际上是不等价的：

对于接触SQL不久的程序员来说，很多人容易将

select * from a left join b on a.no=b.no and a.f>1 and a.f1 and a.f= '20230501' and a.ymd = '20230501' and a.ymd = '20230501' and b.ymd = '20230501' and b.ymd = '20230501' and a.ymd = '20230501' and b.ymd = '20230501' and a.ymd = '20230501' and ymd = '20230501' and ymd = '20230501' and ymd = '20230501' and b.ymd = '20230501' and ymd = '20230501' and ymd = '20230501' and ymd = '20230501' and a.ymd