请解释 Hive 中基于代价的优化器 CBO 的含义，并阐述其依据哪些代价信息来制定执行计划优化策略。
考察说明
考查对 Hive 基于代价优化器概念、实现机制与代价估算要素的掌握。
回答思路
- 【回答框架 1】CBO 即基于代价的优化器，它通过统计信息估算不同执行计划的代价，并选择代价最小的执行计划。代价通常包括 CPU、IO、内存和网络传输等资源消耗的估算。
- 【回答框架 2】CBO 的实现基础是收集表的行数、列基数、数据分布、分区大小等统计信息，这些信息用于估算过滤、连接、聚合等操作的输出数据量和执行成本。
- 【回答框架 3】优化过程中，CBO 会生成多个候选执行计划，例如不同 join 顺序、连接算法（MapJoin、SortMergeJoin）、重分区策略等，并通过代价模型计算各自总代价后进行择优。
- 【回答框架 4】Calcite 是 Hive CBO 的常用核心组件，它提供代价计算框架和查询优化规则。Hive 从 0.14 起引入 CBO，并逐步完善，可在配置中启用或禁用。
- 【回答框架 5】CBO 的代价估算依赖统计信息的准确性，若统计信息缺失或过期，可能选择次优计划，因此需要结合数据更新定期执行 ANALYZE TABLE 收集或更新统计信息。
- 【关键点 1】CBO 通过统计信息估算多候选执行计划代价，选择总代价最小的执行计划。
- 【关键点 2】统计信息主要包括行数、列基数、空值比例、数据分布及分区大小等，是代价估算的输入。
- 【关键点 3】Hive CBO 依赖 Apache Calcite 实现代价模型与优化规则，常见优化场景包括 join 顺序、join 算法和重分区策略。
- 【关键点 4】统计信息不准确会导致 CBO 优化效果下降，需定期收集或更新统计信息。
- 【易错点 1】CBO 选择的是估算代价最小的计划，并不保证实际执行一定最快，因为估算模型可能与真实环境存在偏差。
- 【易错点 2】使用 CBO 时若未正确设置引擎相关配置（如是否启用 MapJoin 自动优化），可能影响优化效果，需结合版本和实际集群环境验证。
- 【易错点 3】不要忘记统计信息的时效性，数据频繁更新后需重跑 ANALYZE TABLE，否则代价估算易失真。