Presto 之Pipeline

一. 前言

我们知道在Presto中有个叫Pipeline的概念，Pipeline其实就是一条包含各个算子的流水线，如下所示。本文主要介绍在Presto中，Pipeline是如何划分的。

二. Pipeline

在Presto中，一个Stage中包括一个或者多个Pipeline，一个Pipeline中包括多个Driver，数据在同一个Pipeline的内部Driver间数据交换不需要经过网络，在pipeline与pipeline之间也只经过内存Exchange在本地进行数据交换即可。

三. Pipeline切分

Pipeline的管理都在LocalExecutionPlanner类中实现的，在Stage在生成Driver的时候，是否要切分成多个Pipeline时，主要遵循如下几个原则：

1. 每个Stage至少有有1条Pipeline去执行，主要代码流程如下所示：

   LocalExecutionPlanner::plan
   PhysicalOperation physicalOperation = plan.accept
   context.addDriverFactory // Stage的主pipeline

因为每个Stage都会调用LocalExecutionPlanner::plan生成Operator算子，因此可以保证每个Stage至少有一个pipeline来执行。

2. 对于Exchange算子时增加一条Pipeline对Source进行并行处理。

   LocalExecutionPlanner::plan
   PhysicalOperation physicalOperation = plan.accept
   ​ visitExchange
   ​ createLocalExchange
   ​ context.addDriverFactory // 对于exchange的source plan，新增一条pipeline处理

3. 在处理Join算子时增加单独一条Pipeline执行Hash表的创建处理。

   LocalExecutionPlanner::plan
   PhysicalOperation physicalOperation = plan.accept
   ​ visitJoin
   ​ createLookupJoin
   ​ createLookupSourceFactory
   ​ context.addDriverFactory // 对于Hash表的构建，新产生一个pipeline处理

4. 此外， 还有其他的一些算子也会切分pipeline，比如semi join等，但是原理和上边是一样的，因此不再重复叙述。