Calcite在大資料系統中有着廣泛的運用, 比如Apache Flink, Apache Drill等都大量使用了Calcite,了解Calcite的原理可以說已經成為了解大資料系統中SQL通路層實作原理的必備條件之一。
但是不少人在學習Calcite的過程中都發現關于Calcite的實踐案例其實很少,本文就将為大家詳細介紹如何基于Calcite架構的SQL文法擴充探索使之更符合你的業務需求,以及擴充SQL在數棧産品的應用實踐。
Calcite介紹及用途
Calcite介紹
Apache Calcite是一個動态的資料管理架構,本身不涉及任何實體存儲資訊,而是專注在SQL解析、基于關系代數的查詢優化,通過擴充方式來對接底層存儲。
目前Apache Calcite被應用在廣泛的資料開源系統中,比如Apache Hive、Apache Phoenix、Apache Flink等。
Calcite的用途
Calcite提供了ANSI标準SQL的解析,以及各種SQL 方言,針對來自于不同資料源的複雜SQL,在Calcite中會把SQL解析成SqlNode文法樹結構,然後根據得到的文法樹轉換成自定義Node,通過自定義Node解析擷取到表的字段資訊、以及表資訊、血緣等相關資訊。
下圖展示了一部分對外提供的接口資訊:
sqlparser 解析子產品主要提供了以下幾種功能 :
• 解析SQL包含的所有表、字段資訊
• 解析SQL的udf函數
• 解析SQL的血緣資訊,包括表級血緣、字段血緣
• 解析自定義SqlNode
• api服務變量解析替換
SQL文法擴充
了解完Calcite是什麼以及用途後,下面為大家分享Calcite SQL文法擴充的相關内容。
SQL文法擴充背景
在 sqlparser 中進行sql解析的場景中,有兩種情況需要使用到自定義擴充,一是Calcite不支援的一些文法;二是在一些場景中存在sql中帶有${var}自定義變量文法。
那麼針對上面的這兩種情況,Calcite的自定義擴充是如何實作的呢?自定義擴充主要涉及到以下三個檔案:
• Parser.jj:Parser.jj是一個Calcite核心的文法和詞法檔案,基于Apache FreeMaker模版,該模版包含着變量,這些變量在編譯時可以被替換
• parserImpl.ftl:提供自定義SQL語句、literals、dataType的實作方法
• config.fmpp:該檔案是FMPP的配置檔案,提供了SQL語句、literals、dataType的接口擴充入口
Calcite使用javacc作為文法解析器,freemaker作為模版,把parserImpls.ftl、config.fmpp、Parser.jj模版合成最終的文法詞法檔案,最終通過javacc編譯成自定義的解析器源碼,整體流程如下圖所示:
擴充SQL實作
● 工程目錄
● 擴充sql實作案例
支援以下limit相關文法以及數字可以寫成${var}形式:
-> limit count, limit start count
-> limit count offset start
-> offset start limit count
在原生的Calcite解析是支援limit count文法的,但是由于傳回SqlOrderBy對象内部類Operator的unparse方法在SQL輸出過程中對原始SQL進行了改寫,是以需要使用擴充SQL得到正确的SQL。
下面介紹一個limit offset文法擴充樣例,擴充SQL如下:
select id, name from test where id > 3 order by id desc limit 1 offset ${offset_val}
整體流程如下:
01
Parser.jj 定義${var}變量的token詞法DOLLAR_VARIABLE:
02
Parser.jj 擴充的變量方法接入,下面方法會在解析到limit、offset關鍵字後面的一個詞時進行調用:
03
Parser.jj limit offset在select文法的核心處理邏輯:
-> 定義變量
主要定義了三個boolean類型的變量,isOffsetLimit表示offset limit 文法,isLimitOffset表示limit offset文法,isOnlyLimit表示limit count、limit start count文法。
-> 定義處理邏輯
-> 傳回自定義SqlNode
針對符合上面的三個boolean條件時,使用自定義ExtendSqlOrderBy的擴充類。
04
parserImpl.ftl 定義擴充的SqlNode ExtendDollarVariable:
05
config.fmpp 定義包以及擴充實作類的import:
06
擴充SqlNode實作:
-> 變量實作sqlNode
-> 擴充limit實作類ExtendSqlOrderBy,該類實作了SqlOrderBy,并在此基礎擴充了limit的SqlNode,以及isOffsetLimit、isLimitOffset、isOnlyLimit三個boolean辨別limit的不同文法
通過上面的這些步驟後,最後解析生成的SqlNode文法樹如下所示:
擴充SQL在數棧的應用
目前袋鼠雲的底層sqlparser sql解析涉及的子産品應用包括API資料服務、離線開發、客戶資料洞察(标簽)、實時開發等,雖然大部分針對Calcite的SQL文法擴充相對于上層的産品應用感覺不是很明顯,但是擴充SQL還是解決了一些痛點,主要如下:
• 逐漸替換底層采用了多種解析工具解析的情況,使維護更簡單,減少bug的産生
• 解決一些不支援的文法,避免在上層業務層做處理或者在底層做一些特殊處理
以在API資料服務後續接入的like文法改造為例為大家進行分享,目前的API資料服務中支援like ${var}文法,在執行測試中通過傳遞like文法來确定執行的模糊比對方式,例如%xx、xx%、%xx%。
收到客戶提出的優化like文法場景,袋鼠雲本着客戶第一的原則,這種合理的優化需求是采納的。SQL支援like%${var}、${var}%、%${var}%,這樣在執行測試中就不需要輸入%了,目前擴充SQL文法已經支援這種優化的like文法,預計在2023年上半年會接入進去,下面通過API資料服務展示目前like SQL和擴充後的SQL差異:
● 目前like ${var}處理
-> 生成API
-> 測試執行,模糊比對需要輸入%
● 擴充like %${var}%
-> 生成API
-> 測試執行,由于在SQL階段已經寫了模糊比對方式,是以可以直接輸入值
總結規劃
相信通過上面的案例後,大家對于Calcite擴充SQL文法的流程應該有了大緻的了解,目前在袋鼠雲的業務場景中已經擴充了許多文法,在未來還有一些工作需要進行優化:
• 豐富SQL文法,實作不同資料源擴充SQL文法的隔離
• 逐漸通過SQL文法擴充替換掉底層Calcite和druid共同解析的場景,避免維護多套相同的解析,減少線上問題産生
最後如果是初步接觸Calcite SQL文法擴充的同學們,建議先熟悉javacc文法。
位址:https://javacc.github.io/javacc/
想了解或咨詢更多有關袋鼠雲大資料産品、行業解決方案、客戶案例的朋友,浏覽袋鼠雲官網:https://www.dtstack.com/?src=sztth
開源項目位址:https://github.com/DTStack