介绍
AQE全称是Adaptive Query Execution,官网介绍如下
Performance Tuning - Spark 3.5.0 Documentation
AQE做了什么
AQE 是 Spark SQL 的一种动态优化机制,在运行时,每当 Shuffle Map 阶段执行完毕,AQE 都会结合这个阶段的统计信息,基于既定的规则动态地调整、修正尚未执行的逻辑计划和物理计划,来完成对原始查询语句的运行时优化
特性
- 自动分区合并:在 Shuffle 过后,Reduce Task 数据分布参差不齐,AQE 将自动合并过小的数据分区。
- Join 策略调整:如果某张表在过滤之后,尺寸小于广播变量阈值,这张表参与的数据关联就会从 Shuffle Sort Merge Join 降级(Demote)为执行效率更高的 Broadcast Hash Join。
- 自动倾斜处理:结合配置项,AQE 自动拆分 Reduce 阶段过大的数据分区,降低单个 Reduce Task 的工作负载。
AQE开启前后对比:
在非AQE的情况下,Spark会在规划阶段确定了物理执行计划后,根据每个算子的定义生成RDD对应的DAG。然后 Spark DAGScheduler通过shuffle来划分RDD Graph并创建stage,然后提交Stage以供执行
AQE:
首先会将逻辑树拆分为多个QueryStages, 在执行时先将它的子 QueryStages 被提交(先提交mapStage),收集它们的MapOutputStatistics对象。根据收集到的 shuffle 数据统计信息,将当前 QueryStage 的执行计划优化为更好的执行计划。然后转换为DAG图再执行Stage
源码
AQE源码
首先AQE 只作用在 exchange 阶段,即需要发生数据交换的阶段,spark AQE 优化都是发生在 shuffle map 之后。
核心类:AdaptiveSparkPlanExec
Spark经典的doExecute()
获取更新后的plan数
getFinalPhysicalPlan 是核心方法
看着行代码
var result = createQueryStages(currentPhysicalPlan)
将原始的物理计划通过 createQueryStages 方法进行替换
对参数中传递的 sparkplan 的所有节点进行自下而上的递归。根据节点类型的不同进行针对处理
Exchange 节点:Exchange 节点被替换为 QueryStageExec ,这个类有两个实现类
ShuffleQueryStageExec 用于shuffle 数据,BroadcastQueryStageExec 用于广播数据
最后调用CreateStageResult,参数中包含 QueryStageExec,同时 allChildStagesMaterialized 参数表示当前 plan 的所有子节点的输出是否已经具像化
然后也会替换plan
replaceWithQueryStagesInLogicalPlan 做了
以上是里面的方法调用和处理事情
createQueryStages 返回 CreateStageResult ,会在 AQE 的循环中判断是否可以结束。这部分逻辑又回到 getFinalPhysicalPlan 中。