Pig系统分析(5)-从Logical Plan到Physical Plan

Physical Plan生成过程

优化后的逻辑运行计划被LogToPhyTranslationVisitor处理，生成物理运行计划。

这是一个经典的Vistor设计模式应用场景。

当中，LogToPhyTranslationVisitor的visit()为入口方法，通过DependencyOrderWalker遍历处理逻辑运行计划中的每个LogicalRelationalOperator。DependencyOrderWalker依照依赖顺序遍历DAG中节点，保证当且仅当节点的全部前驱都被訪问后，它才会被訪问。核心逻辑例如以下，doAllPredecessors递归调用自己，将符合无前驱条件的节点加入到fifo队列中，终于实现的效果等效于将图拓扑排序后顺序訪问。

public void walk(PlanVisitorvisitor) throws FrontendException {
        List<Operator> fifo = new ArrayList<Operator>();
        Set<Operator> seen = new HashSet<Operator>();
        List<Operator> leaves = plan.getSinks();
        if (leaves == null) return;
        for (Operator op : leaves) {
            doAllPredecessors(op, seen, fifo);
        }
        for (Operator op: fifo) {
            op.accept(visitor);
        }
}

接下来，每一个LogicalRelationalOperator又反过来调用 LogToPhyTranslationVisitor对应的visit方法对自身进行处理，转化成PhysicalOperator。终于生成完整的逻辑运行计划。下图是 LogToPhyTranslationVisitor中全部的visit operator方法。

Physical Plan结构

分析之前Pig系统分析（3）中代码生成的运行计划，如图所看到的：

以下是完整的物理运行计划。物理运行计划与逻辑运行计划结构类似，部分Operator一一相应，但存在几个明显差别：

1. 物理运行计划中包括了实际使用的Loader和Store，以及要操作的文件实际路径。
2. Group操作被分成了三部分：Local Rearrage、Global Rearrange和Package。（分别相应map-reduce中的map、shuffle和reduce）
3. 非replicate的join操作先被转换成CoGroup和Foreach操作，然后CoGroup操作与Group操作类似，也被转换为Local Rearrage，Global Rearrange和Package三步。

F:Store(output:org.apache.pig.builtin.PigStorage) - scope-28
|
|---F: New ForEach(false,false)[bag] - scope-27
    |   |
    |  Project[bytearray][0] - scope-22
    |   |
    |  POUserFunc(org.apache.pig.builtin.COUNT)[long] - scope-25
    |   |
    |  |---Project[bag][1] - scope-24
    |
    |---E: Package[tuple]{bytearray} - scope-19
        |
        |---E: Global Rearrange[tuple] -scope-18
            |
            |---E: LocalRearrange[tuple]{bytearray}(false) - scope-20
                |   |
                |   Project[bytearray][2] - scope-21
                |
                |---D: New ForEach(true,true)[tuple] - scope-17
                    |   |
                    |   Project[bag][1] - scope-15
                    |   |
                    |   Project[bag][2] - scope-16
                    |
                    |---D:Package[tuple]{bytearray} - scope-10
                        |
                        |---D: GlobalRearrange[tuple] - scope-9
                            |
                            |---D: LocalRearrange[tuple]{bytearray}(false) - scope-11
                            |   |   |
                            |   |  Project[bytearray][0] - scope-12
                            |   |
                            |   |---C: Filter[bag] - scope-1
                            |       |  |
                            |       |  Greater Than[boolean] - scope-5
                            |       |  |
                            |       |  |---Cast[int] - scope-3
                            |       |  |   |
                            |      |   |   |---Project[bytearray][1] - scope-2
                            |       |  |
                            |       |  |---Constant(0) - scope-4
                            |       |
                            |       |---A: Load(file:///D:/Develop/projects/pig/file1:org.apache.pig.builtin.PigStorage)- scope-0
                            |
                            |---D: LocalRearrange[tuple]{bytearray}(false) - scope-13
                                |   |
                                |  Project[bytearray][1] - scope-14
                                |
                                |---B:Load(file:///D:/Develop/projects/pig/file2:org.apache.pig.builtin.PigStorage) -scope-6

PhysicalPlan类代表物理运行计划，继承自OperatorPlan。（继承时会使用PhysicalOperator替换以下代码片段中泛型參数E）

public abstract class OperatorPlan<E extends Operator> implements Iterable<E>, Serializable, Cloneable {
    protected Map<E, OperatorKey> mOps;
    protected Map<OperatorKey, E> mKeys;
    protected MultiMap<E, E> mFromEdges;
    protected MultiMap<E, E> mToEdges;
}