Catalyst揭秘 Day7

SQL转为RDD的具体实现

从技术角度，越底层和硬件偶尔越高，可动弹的空间越小，而越高层，可动用的智慧是更多。Catalyst就是个高层的智慧。

Catalyst已经逐渐变成了所有Spark框架的解析优化引擎，RDD是通用抽象的数据结果，RDD+Catalyst就构成了Spark的新底层。Catalyst是在RDD基础上进行封装，一旦优化了Catalyst，所有的子框架就都得到了优化。

执行过程

在昨天，我们已经看到SparkPlan会通过prepareForExecution最终完成转换RDD的操作。

其实际触发需要一个action级别的操作，让我们看一下collect这个action方法。

其执行会分为几步：

• 调用execute方法，返回RDD，会执行具体的doPrepare和doExecute。

• 这里我们可以非常简单的看到一个真相，做了一个collect操作，这是RDD的方法

• 在外面调用了conveter方法。
  

• 其核心就是把catalyst的类型变成Scala的类型，从而完成了数据的输出。
  

小结

至此，我们已经过滤了数据从SQL输入到数据输出的完整过程。

语句流程：
SQL语句 --> 调用sqlparse --> unresolved logical plan
--> 调用analyzer --> resovled logical plan
--> 调用optimizer --> optimized logical plan
--> 调用sparkPlanner --> sparkPlan
--> 调用prepareForExecution --> prepared sparkplan

执行流程：
sparkplan --> 调用execute --> RDD
--> 调用converter --> Scala数据

欲知后事如何，且听下回分解!

DT大数据每天晚上20：00YY频道现场授课频道68917580