1. 詞頻統計算法
通過上圖可以看出，在執行詞頻統計算法時，會生成兩個階段（Stage）的MapReduce任務，最後是輸出的單詞個數，通過輸出結果可以看出，從小到大排列輸出。
2. 元操作符
Hive編譯器將一個HQL轉換爲操作符，操作符Operator是Hive的最小的處理單元，每個操作符代表HDFS的一個操作或者一道MapReduce作業，所有的Operator都是hive定義的一個處理過程。比如：
SelectOperator：選擇輸出列
TableScanOperator：掃描hive表數據
LimitOperator：Limit語句
GroupByOperator：GroupBy語句
3. EXPLAIN詳解
下面執行：
EXPLAIN SELECT word, count(1) AS count FROM
> (SELECT explode(split(line, ' ')) AS word FROM wordcount) wc
> GROUP BY word
> ORDER BY count;
輸出結果：
一個Stage可以是一個MapReduce任務，也可以是一個抽樣階段，或者是一個合併的階段，還可以是一個limit階段，以及Hive所需要的其他某個任務的一個階段。默認情況下，Hive會一次只執行一個stage階段。
STAGE PLAN 部分比較冗長也比較複雜，stage-1和stage-2包含了這個job的大部分處理過程，而且都會觸發一個MapReduce job。
TableScan以這個表（wordcount）作爲輸入，然後產生一個只有字段col0的輸出（outputColumnNames），比如：[“Hello”,”World”,”Bye”,”World”]
UDTF Operator表生成函數，首先執行了explode函數，將數組中的每一個元素單獨佔用一行輸出。
Group By Operator 與count(1)聚合函數聯合使用，keys ：col，按照列值進行分組，如果不指定，則只有一個分組；mode:hash，是按照hash映射分組。
Reduce Output Operator 輸出結果給Reduce，sort order : + 正向排序，如果爲 – 則爲反向排序； key expressions: 鍵的表達式，value expressions ：值的表達式
Reduce Operator Tree:
mode:mergepartial 合併各個部分聚合的結果，輸出爲_col0，_col1；File Output Operator 輸出中間文件
Map Operator Tree:
Reduce Output Operator： key 是第二列，也就是最後計算的每個單詞個數的列，進行正向排序，然後輸出到Reduce，這個操作主要就是進行正向排序的，也就是執行ORDER BY語句
Reduce Operator Tree:
expressions：VALUE，KEY 選取要輸出的列，又反轉了過來，然後outputColumnNames:_col0,_col1進行輸出
由於這個job沒有LIMIT語句，因此Stage-0階段是一個沒有任何操作的階段，Fetch Operator 客戶端獲取數據；limit ： -1 不限定。