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
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
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
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 |
- 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
- 加载数据
load format.`path` as tb;
- 保存数据
save tb as formate.`path` partitionBy uid coalesce 2;
- 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`="3146635263@qq.com"
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）。
- 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';
