Apache顶级项目 Calcite使用介绍

　　什么是Calcite

　　Apache Calcite是一个动态数据管理框架，它具备很多典型数据库管理系统的功能，比如SQL解析、SQL校验、SQL查询优化、SQL生成以及数据连接查询等，但是又省略了一些关键的功能，比如Calcite并不存储相关的元数据和基本数据，不完全包含相关处理数据的算法等。

　　也正是因为Calcite本身与数据存储和处理的逻辑无关，所以这让它成为与多个数据存储位置(数据源)和多种数据处理引擎之间进行调解的绝佳选择。

　　Calcite所做的工作就是将各种SQL语句解析成抽象语法树(AST Abstract Syntax Tree)，并根据一定的规则或成本对AST的算法与关系进行优化，最后推给各个数据处理引擎进行执行。

　　目前，使用Calcite作为SQL解析与优化引擎的又Hive、Drill、Flink、Phoenix和Storm，Calcite凭借其优秀的解析优化能力，会有越来越多的数据处理引擎采用Calcite作为SQL解析工具。

　　Calcite 主要功能

　　Calcite的主要功能我们上面其实已经提到了，主要有以下功能：

　　SQL解析：通过JavaCC将SQL解析成未经校验的AST语法树

　　SQL校验：校验分两部分，一种为无状态的校验，即验证SQL语句是否符合规范;一种为有状态的即通过与元数据结合验证SQL中的Schema、Field、Function是否存在。

　　SQL查询优化：对上个步骤的输出(RelNode)进行优化，得到优化后的物理执行计划

　　SQL生成：将物理执行计划生成为在特定平台/引擎的可执行程序，如生成符合Mysql or Oracle等不同平台规则的SQL查询语句等

　　数据连接与执行：通过各个执行平台执行查询，得到输出结果。

　　所以在Calcite中，一条SQL的处理步骤就很清晰了，那么我们通过Calcite的代码来实际了解一下：

　　// 初始化配置

　　SqlParser.ConfigBuilder configBuilder = SqlParser.configBuilder();

　　configBuilder.setUnquotedCasing(Casing.UNCHANGED);

　　//Sql解析：解析Sql语句，通过JavaCC解析成AST语法树，表现为SqlNode

　　SqlParser sqlParser = SqlParser.create(sql, configBuilder.build());

　　SqlNode sqlNode = sqlParser.parseQuery();

　　//Sql校验：结合元数据信息验证Sql是否符合规范

　　Planner planner = Frameworks.getPlanner(config);

　　SqlNode node = planner.validate(sqlNode);

　　//Sql查询优化：将SqlNode转换为LogicalPlan，表现为RelNode

　　RelRoot relRoot = planner.rel(node);

　　RelNode project = relRoot.project();

　　//指定优化规则

　　final HepProgram program = new HepProgramBuilder()

　　.addRuleInstance(SubQueryRemoveRule.PROJECT)

　　.addRuleInstance(SubQueryRemoveRule.FILTER)

　　.addRuleInstance(SubQueryRemoveRule.JOIN)

　　.build();

　　//生成优化后的RelNode

　　HepPlanner prePlanner = new HepPlanner(program);

　　prePlanner.setRoot(project);

　　RelNode relNode = prePlanner.findBestExp();

　　//ToDo 执行查询

　　使用Calcite

　　那么前面对Calcite进行了简单的介绍，我们如何使用Calcite呢?Calcite的使用非常简单，你要做的只是添加数据源即可。我们以Mysql数据源为例，我们通过添加Mysql数据库作为Calcite的数据源，实现通过Calcite对Mysql数据进行查询的Demo。

　　//创建Calcite Connection对象

　　Class.forName(org.apache.calcite.jdbc.Driver);

　　Properties info = new Properties();

　　info.setProperty(lex, JAVA);

　　Connection connection =

　　DriverManager.getConnection(jdbc:calcite:, info);

　　CalciteConnection calciteConnection =

　　connection.unwrap(CalciteConnection.class);

　　SchemaPlus rootSchema = calciteConnection.getRootSchema();

　　//创建Mysql的数据源schema

　　Class.forName(com.mysql.jdbc.Driver);

　　BasicDataSource dataSource = new BasicDataSource();

　　dataSource.setUrl(jdbc:mysql://localhost);

　　dataSource.setUsername(username);

　　dataSource.setPassword(password);

　　Schema schema = JdbcSchema.create(rootSchema, hr, dataSource,

　　null, name);

　　rootSchema.add(hr, schema);

　　//执行查询

　　Statement statement = calciteConnection.createStatement();

　　ResultSet resultSet = statement.executeQuery(

　　select d.deptno, min(e.empid)\n

　　+ from hr.emps as e\n

　　+ join hr.depts as d\n

　　+ on e.deptno = d.deptno\n

　　+ group by d.deptno\n

　　+ having count(*) 1);

　　print(resultSet);

　　resultSet.close();

　　statement.close();

　　connection.close();

　　Calcite提供了多种方式添加数据源，如通过“inline：”的字符串方式以及通过json或yaml文件的方式。同时，Calcite抽象出了功能齐全的接口，可以方便的将CSV文件抽象成数据表进行查询。这部分内容可以通过官方的示例了解一下!

　　当然SQL解析、校验与执行计划优化是Calcite的基本功能，Calcite的NB之处在于，Calcite的目标是“one size fits all”，希望能为不同的计算平台和数据源提供统一的查询引擎，并且以类似传统数据库的访问方式(SQL)来访问Hadoop上的数据。所以Calcite提供了非常丰富的可扩展接口，帮助我们实现扩展数据源、扩展针对不同数据源的优化规则、扩展SQL查询语法、扩展数据处理引擎等等。这部分后面会详细介绍(挖坑ing)

​