teeyog / Iql

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;

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"

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;

• 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";

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

参考

StreamingPro之MLSQL

spark sql在喜马拉雅的使用之xql