在上一篇文章中（https://blog.csdn.net/Allenzyg/article/details/107105335），我们介绍了Impala query profie的概要部分，在本篇文章我们介绍Profile的查询计划（Query Plan）和执行概要（Execution Summary）部分。
Profile的查询计划和执行概要如下所示：
Query Runtime Profile:
Query (id=2945a77ff619defe:b658730000000000):
Summary:
Session ID: 24abae22c723db5:2c0a25a81814e8a8
Session Type: BEESWAX
Start Time: 2020-07-03 11:58:47.317039000
End Time: 2020-07-03 12:12:56.216137000
Query Type: QUERY
Query State: FINISHED
Query Status: OK
Impala Version: impalad version 2.10.0-cdh5.13.3 RELEASE (build 15a453e15865344e75ce0fc6c4c760696d50f626)
User: root
Connected User: root
Delegated User:
Network Address: 10.138.232.87:36237
Default Db: default
Sql Statement: select count(*) from bms_ldgdb.ldg_690marketization_ledger t where check_flag in (4,-1) and ledger_status = 2 and is_delete = 0 and module in (1,2) and account_date >= '2020-06-01' and industry_code != ''
Coordinator: rrs-hdp-dn04:22000
Query Options (set by configuration):
Query Options (set by configuration and planner): MT_DOP=0
Plan:
----------------
Max Per-Host Resource Reservation: Memory=0B
Per-Host Resource Estimates: Memory=20.00MB
WARNING: The following tables are missing relevant table and/or column statistics.
bms_ldgdb.ldg_690marketization_ledger
F01:PLAN FRAGMENT [UNPARTITIONED] hosts=1 instances=1
| Per-Host Resources: mem-estimate=10.00MB mem-reservation=0B
PLAN-ROOT SINK
| mem-estimate=0B mem-reservation=0B
|
03:AGGREGATE [FINALIZE]
| output: count:merge(*)
| mem-estimate=10.00MB mem-reservation=0B spill-buffer=2.00MB
| tuple-ids=1 row-size=8B cardinality=1
|
02:EXCHANGE [UNPARTITIONED]
| mem-estimate=0B mem-reservation=0B
| tuple-ids=1 row-size=8B cardinality=1
|
F00:PLAN FRAGMENT [RANDOM] hosts=16 instances=16
Per-Host Resources: mem-estimate=10.00MB mem-reservation=0B
01:AGGREGATE
| output: count(*)
| mem-estimate=10.00MB mem-reservation=0B spill-buffer=2.00MB
| tuple-ids=1 row-size=8B cardinality=1
|
00:SCAN KUDU [bms_ldgdb.ldg_690marketization_ledger t]
predicates: industry_code != ''
kudu predicates: is_delete = 0, ledger_status = 2, check_flag IN (4, -1), module IN (1, 2), account_date >= '2020-06-01'
mem-estimate=0B mem-reservation=0B
tuple-ids=0 row-size=15B cardinality=unavailable
----------------
Estimated Per-Host Mem: 20971520
Tables Missing Stats: bms_ldgdb.ldg_690marketization_ledger
Per Host Min Reservation: rrs-hdp-dn03:22000(0) rrs-hdp-dn04:22000(0) rrs-hdp-dn05:22000(0) rrs-hdp-dn08:22000(0) rrs-hdp-dn11:22000(0) rrs-hdp-dn13:22000(0)
Request Pool: root.default
Admission result: Admitted immediately
ExecSummary:
Operator #Hosts Avg Time Max Time #Rows Est. #Rows Peak Mem Est. Peak Mem Detail
----------------------------------------------------------------------------------------------------------------------------------
03:AGGREGATE 1 316.053us 316.053us 1 1 40.00 KB 10.00 MB FINALIZE
02:EXCHANGE 1 14m8s 14m8s 6 1 0 0 UNPARTITIONED
01:AGGREGATE 6 2.746ms 5.205ms 6 1 67.00 KB 10.00 MB
00:SCAN KUDU 6 2m33s 14m8s 6.10M -1 299.00 KB 0 bms_ldgdb.ldg_690marketization_ledger t
接下来我们来逐一提取和介绍上面Profile片段中的信息：
1、表/列统计信息：
Max Per-Host Resource Reservation: Memory=0B
Per-Host Resource Estimates: Memory=20.00MB
WARNING: The following tables are missing relevant table and/or column statistics.
bms_ldgdb.ldg_690marketization_ledger
前两行仅说明资源信息，它们不是很重要，也不经常使用。
但是，下一行非常重要，因为Impala告诉我们是否检测到查询所涉及的表具有最新的统计信息，这一点非常关键，因为Impala使用表/列统计信息（table/column statistics information）来进行资源预估（resource estimation），并执行查询计划来确定运行查询的最佳策略，如果统计信息不是最新的，Impala最终将使用错误的查询计划，从而影响整体查询性能。
在上面的示例中，我们可以看到bms_ldgdb.ldg_690marketization_ledger表缺少统计信息，Impala在查询计划中给出了警告来提示用户需要在该表上执行COMPUTE STATS来消除这个警告信息。关于表统计的更多信息，请参阅Table and Column Statistics（https://docs.cloudera.com/documentation/enterprise/latest/topics/impala_perf_stats.html）。
2、查询计划详情：
F01:PLAN FRAGMENT [UNPARTITIONED] hosts=1 instances=1
| Per-Host Resources: mem-estimate=10.00MB mem-reservation=0B
PLAN-ROOT SINK
| mem-estimate=0B mem-reservation=0B
|
03:AGGREGATE [FINALIZE]
| output: count:merge(*)
| mem-estimate=10.00MB mem-reservation=0B spill-buffer=2.00MB
| tuple-ids=1 row-size=8B cardinality=1
|
02:EXCHANGE [UNPARTITIONED]
| mem-estimate=0B mem-reservation=0B
| tuple-ids=1 row-size=8B cardinality=1
|
F00:PLAN FRAGMENT [RANDOM] hosts=16 instances=16
Per-Host Resources: mem-estimate=10.00MB mem-reservation=0B
01:AGGREGATE
| output: count(*)
| mem-estimate=10.00MB mem-reservation=0B spill-buffer=2.00MB
| tuple-ids=1 row-size=8B cardinality=1
|
00:SCAN KUDU [bms_ldgdb.ldg_690marketization_ledger t]
predicates: industry_code != ''
kudu predicates: is_delete = 0, ledger_status = 2, check_flag IN (4, -1), module IN (1, 2), account_date >= '2020-06-01'
mem-estimate=0B mem-reservation=0B
tuple-ids=0 row-size=15B cardinality=unavailable
----------------
查询计划（Query plan）是Impala profile中最重要的部分之一，我们需要知道如何读取它，因为它告诉我们如何扫描（scan）表、交换数据（data exchange）和连接（join）以获得最终结果。
如果查询很复杂，查询计划也可能会变得非常复杂，让我们从这个简单的查询开始，以了解它的基本信息。需要记住的一件事是，我们需要反向阅读这些信息，来理解Impala的执行计划。
注意：执行计划是从下往下读的。
2.1、KUDU 扫描：
第一步从KUDU扫描（KUDU Scan）开始：
00:SCAN KUDU [bms_ldgdb.ldg_690marketization_ledger t]
predicates: industry_code != ''
kudu predicates: is_delete = 0, ledger_status = 2, check_flag IN (4, -1), module IN (1, 2), account_date >= '2020-06-01'
mem-estimate=0B mem-reservation=0B
tuple-ids=0 row-size=15B cardinality=unavailable
从上面的片段中我们可以获取下面这些有用的信息：
运行查询所需的内存估计值为0，没有内存被预留
补充：如果是HDFS扫描
2.2、Aggregation操作：
HDFS扫描完成后，Impala需要做聚合（Aggregation），因为我们的SQL语句中使用了COUNT(*)：
01:AGGREGATE
| output: count(*)
| mem-estimate=10.00MB mem-reservation=0B spill-buffer=2.00MB
| tuple-ids=1 row-size=8B cardinality=1
|
这里没有太多要解释的，这个步骤执行的是聚合操作。
2.3、Fragment信息：
F00:PLAN FRAGMENT [RANDOM] hosts=16 instances=16
Per-Host Resources: mem-estimate=10.00MB mem-reservation=0B
00:SCAN KUDU和01:AGGREGATE片段上的SCAN和Aggregation操作都属于片段（FRAGMENT）F00，它在16个主机和16个实例上运行。F00这个片段ID可以用来在Profile的后面部分找到实际的片段统计信息，它可以告诉我们这个片段在运行时如何运行的详细信息。我们还将在本系列的后面部分讨论这个问题。
2.4、Exchange操作：
02:EXCHANGE [UNPARTITIONED]
| mem-estimate=0B mem-reservation=0B
| tuple-ids=1 row-size=8B cardinality=1
|
在每个工作节点（worker node）上完成聚合之后，需要将每个工作节点的结果交换给协调器节点（coordinator），这个步骤主要做的是这个操作，之后，协调器节点需要对这些结果进行最后的汇总/合并（aggregation/merger）：
03:AGGREGATE [FINALIZE]
| output: count:merge(*)
| mem-estimate=10.00MB mem-reservation=0B spill-buffer=2.00MB
| tuple-ids=1 row-size=8B cardinality=1
|
以上两个操作都属于同一个片段01，该片段又可以用来引用Profile数据的其余部分，以获取关于查询的更详细的统计信息：
F01:PLAN FRAGMENT [UNPARTITIONED] hosts=1 instances=1
现在，让我们来看看Profile的执行概要部分：
Operator #Hosts Avg Time Max Time #Rows Est. #Rows Peak Mem Est. Peak Mem Detail
----------------------------------------------------------------------------------------------------------------------------------
03:AGGREGATE 1 316.053us 316.053us 1 1 40.00 KB 10.00 MB FINALIZE
02:EXCHANGE 1 14m8s 14m8s 6 1 0 0 UNPARTITIONED
01:AGGREGATE 6 2.746ms 5.205ms 6 1 67.00 KB 10.00 MB
00:SCAN KUDU 6 2m33s 14m8s 6.10M -1 299.00 KB 0 bms_ldgdb.ldg_690marketization_ledger t
在这里你可以找到这些有用的信息：
1）每个操作花费的平均时间（Avg Time）和最大时间（Max Time）：如果两者相差较大，我们就会知道每个worker节点运行作业时存在不平衡/倾斜（in-balance/skew）情况，从理论上讲，它们应该处理相同数量的数据，所有节点应该在相同的时间范围内完成任务
2）实际行数和估计行数：#Row表示运行查询后实际返回的行数，Est. #Rows表示Impala根据表统计数据计算出的估计行数。如果#Row和Est. #Rows相差较大，就表明Impala中的表统计信息已经过时。在案例中，SCAN KUDU操作的Est. #Rows值为-1，#Rows的值为6.10M，就我们的测试表而言，我们没有表统计信息，因此Impala报告了-1的估算值。如果估计值（estimated value）是正数，但仍与实际返回的行数不同，我们就需要对该表运行COMPUTE STATS以更新统计信息
3）参与查询操作的节点数量：#Hosts列告诉我们，有多少工作节点参与了查询中的相关操作。在我的例子中，由于数据很小，我们只有一个主机来运行查询
4）实际内存和估计内存：Peak Mem和Est. Peak Mem是不言自明的，它们表示实际使用的内存与Impala根据表统计数据计算出的估计内存
如果查询中有连接（join）操作，Profile的总结信息中还将向我们展示连接操作中使用了什么连接策略：广播连接（Broadcast Join）还是随机连接（Shuffle Join）。
