基于SparkSQL实现的一套即席查询服务

IQL (项目地址：https://github.com/teeyog/IQL)

English | 简体中文

基于SparkSQL实现了一套即席查询服务，具有如下特性：

优雅的交互方式，支持多种datasource/sink，多数据源混算
spark常驻服务，基于zookeeper的引擎自动发现
负载均衡，多个引擎随机执行
多session模式实现并行查询
采用spark的FAIR调度，避免资源被大任务独占
基于spark的动态资源分配，在无任务的情况下不会占用executor资源
支持Cluster和Client模式启动
基于Structured Streaming实现SQL动态添加流
类似SparkShell交互式数据分析功能
高效的script管理，配合import/include语法完成各script的关联
对数据源操作的权限验证

支持的数据源：hdfs、hive、hbase、kafka、mysql、es、solr、mongo

支持的文件格式：parquet、csv、orc、json、text、xml

在Structured Streaming支持的Sink之外还增加了对Hbase、MySQL、es的支持

Quickstart

基本语法

load语法和save语法
load和save语法对数据进行加载和保存操作，只需将配置信息写在where条件后，
如加载mysql数据为一个临时表：
load jdbc.'tableName'
where driver="***"
    and url="***"
as tb_mysql;
这里的tb_mysql可以在后续随意使用，如:select * from tb_mysql; save tb_mysql as json.'path'。

如将数据保存到HBase:
save tb_mysql as hbase.'tbname'
where `hbase.zookeeper.quorum`="localhost:2181"

select语法
select语法和正常的sql没有区别，可以直接as 为一个临时表如：select * from tb_mysql limit 10 as tb_temp; 
这里的tb_temp可以在后续随意使用，select最后没有as **的情况下，会把结果直接显示在web端。
    
explain语法
可以直接explain一个select查询，也可以直接explain一个中间临时表如上面的tb_temp;

import语法
可以导入整个sql脚本

register语法
可以注册udf，注册watermark等

其他语法支持：create、drop、insert、refresh、set、show

HBase

加载数据

load hbase.t_mbl_user_version_info 
where `spark.table.schema`="userid:String,osversion:String,toolversion:String"
       and `hbase.table.schema`=":rowkey,info:osversion,info:toolversion" 
       and `hbase.zookeeper.quorum`="localhost:2181"
as tb;

参数	说明	默认值
hbase.zookeeper.quorum	zookeeper地址	localhost:2181
spark.table.schema	Spark临时表对应的schema（eg: "ID:String,appname:String,age:Int"）	无
hbase.table.schema	HBase表对应schema（eg: ":rowkey,info:appname,info:age"）	无
spark.rowkey.view.name	rowkey对应的dataframe创建的temp view名，设置了该值后只获取rowkey对应的数据	无

可获取指定rowkey集合对应的数据，spark.rowkey.view.name 即是rowkey集合对应的tempview，默认获取第一列为rowkey列

保存数据

save tb1 as hbase.tableName 
where `hbase.zookeeper.quorum`="localhost:2181"
      and `hbase.table.rowkey.filed`="name"

参数	说明	默认值
hbase.zookeeper.quorum	zookeeper地址	localhost:2181
hbase.table.rowkey.field	spark临时表中作为hbase的rowkey的字段名	第一个字段
bulkload.enable	是否启动bulkload	false
hbase.table.name	Hbase表名	无
hbase.table.family	列族名	info
hbase.table.region.splits	预分区方式1:直接指定预分区分区段，以数组字符串方式指定，如 ['1','2','3']	无
hbase.table.rowkey.prefix	预分区方式2:当rowkey是数字，预分区只需指定前缀的formate形式，如 00 即可生成00-99等100个分区	无
hbase.table.startKey	预分区开始key	无
hbase.table.endKey	预分区结束key	无
hbase.table.numReg	分区个数	无
hbase.check_table	写入hbase表时，是否需要检查表是否存在	false
hbase.cf.ttl	ttl	无

MySQL

加载数据

load jdbc.ai_log_count 
where driver="com.mysql.jdbc.Driver" 
      and url="jdbc:mysql://localhost/db?characterEncoding=utf8" 
      and user="root" 
      and password="***" 
as tb;

保存数据

save append tb as jdbc.aatest_delete;

注意：离线和实时任务都是可以用update模式的

文件操作 (其中formate可为：json、orc、csv、parquet、text)

加载数据

load format.`path` as tb;

保存数据

save tb as formate.`path` partitionBy uid coalesce 2;

Kafka

离线

load kafka.`topicName`
where maxRatePerPartition="200"
   and `group.id`="consumerGroupId"
as tb;
select * from tb;

参数	说明	默认值
autoCommitOffset	是否提交offset	false

实时

load kafka.`mc-monitor` 
where startingoffsets="latest"
    and failOnDataLoss="false"
    and `spark.job.mode`="stream" 
as tb1;

register watermark.tb1
where eventTimeCol="timestamp"
and delayThreshold="10 seconds"

select window.end as time_end,
count(1) as count
from tb1 a  
group by  window(a.timestamp,"10 seconds","10 seconds")
as tb2;

save tb2 as json.`/tmp/abc6` 
where outputMode="Append"
    and streamName="Stream"
    and duration="10"
    and sendDingDingOnTerminated="true"
    and `mail.receiver`="[email protected]"
    and checkpointLocation="/tmp/cp/cp16";

参数	说明	默认值
spark.job.mode	任务模式（batch:离线任务，stream:实时任务）	batch
mail.receiver	任务失败邮件通知（多个邮箱逗号分隔）	无
sendDingDingOnTerminated	钉钉Robot通知	false

实时任务失败会自动重启，可以通过streamJobMaxAttempts配置（默认3次）。

动态注册UDF函数

方式一

register udf.`myupper`
where func="
    def apply(name:String)={
        name.toUpperCase
    }
";

load jsonStr.'
{"name":"ufo"}
{"name":"uu"}
{"name":"HIN"}
' as tb1;

select myupper(name) as newName from tb1;

方式二

create temporary function myupper as 'cn.mc.udf.MyUPpperUDF' using jar 'hdfs://dsj01:8020/tmp/udf-test-1.0-SNAPSHOT.jar';

include(import等效)语法，通过路径引入脚本片段

import语法

参考

StreamingPro之MLSQL

spark sql在喜马拉雅的使用之xql