hive源码阅读02-org.apache.hadoop.hive.ql.stats概述
org.apache.hadoop.hive.ql.stats包含的类与接口如下图所示：其中：
接口：
ClientStatsPublisher ：
包含run方法，在hive中并没有其他类实现该方法，这个主要用于hive stats扩展使用。具体实现需要由
hive.client.stats.publishers这个参数决定，这个参数是用逗号隔开的stats publisher，这些stats publisher被每一个job调用。
该参数默认为空。其中client stats publisher是实现ClientStatsPublisher 该接口的java类的名称。
StatsPublisher：
发布stats的接口，声明了init,connect,publishStat,closeConnection等方法，需要发布stats的类都需要实现该接口。
init方法：
这个方法需要一次初始化，可能创建数据库和表（如果不存在）。为了达到仅初始化一次的目的，这个方法需要在hive client端调用，而不是mapper/reducer调用。
参数：hconf HiveConf ： 包含用于连接中间stats数据库的配置参数信息。
返回值：如果初始化成功，返回true，否则返回false
connect方法：
连接到中间stats数据库。
参数：hconf HiveConf ： 包含用于连接中间stats数据库的配置参数信息。
返回值：如果连接成功，返回true，否则返回false
publishStat方法：
这个方法发布一个给定的统计信息到一个磁盘存储，可能是hbase或者Mysql
参数：fileID ：一个字符串标识，统计信息被所有的mapper/reducer发布然后被收集，这个ID对于每个task每个输出的partition是唯一的。
如：输出目录名称（每个FileSinkOperator唯一）+分区规格（仅用于动态分区）+taskID(task文件的最后部分）
stats:一个键值对集合，key是发布统计信息的名称，value是给定统计信息的值。
返回值： 如果成功返回true，否则返回false
closeConnection方法：
关闭临时存储连接。
StatsAggregator：
收集Stats的接口。
connect方法：
连接到中间stats数据库。
参数：hconf HiveConf ： 包含用于连接中间stats数据库的配置参数信息。
sourceTask
返回值：如果连接成功，返回true，否则返回false
aggregateStats方法：
这个方法从所用的task中聚集给定的统计信息，聚集完后，这个方法会自动的将所用记录清除。
keyPrefix：key的前缀用于StatsPublisher进行发布stats，例如，如果StatsPublisher用一下合成key值发布stats:
输出目录名称（每个FileSinkOperator唯一）+分区规格（仅用于动态分区）+taskID(task文件的最后部分）
那么keyPrefix将会是开头的前两个组件合成。
statType：一个被发布的字符串，不是key值，例如：numRows
返回值：一个long值，转化为String类型，如果有任何异常或错误，将会返回null
closeConnection方法：
关闭临时存储连接。
cleanUp方法：
在stats被收集之后调用该方法；一旦我们支持多个统计信息，我们将不会执行在收集后自动执行cleanUp。
这个方法调用后，closeConnection必须调用。
这个方法同样可以用于清除统计信息，尽管信息没有被收集。通常发生于，job失败或者强制停止发布一些统计信息。
keyPrefix:key的前缀用于StatsPublisher进行发布stats。
返回值：cleanup成功返回true，否则false
StatsCollectionTaskIndependent:
这个是一个maker interface,用于区分statspublisher / aggregator，是否每个task都跟踪stats.
页:
[1]