我想将 SQL 字符串作为用户输入,然后在执行之前对其进行转换。特别是,我想修改顶级投影(select 子句),注入要由查询检索的附加列。
我希望通过使用 Catalyst 来实现这一点sparkSession.experimental.extraOptimizations
。我知道我正在尝试的严格来说并不是优化(转换改变了 SQL 语句的语义),但 API 似乎仍然合适。但是,查询执行器似乎忽略了我的转换。
这是一个最小的例子来说明我遇到的问题。首先定义一个行案例类:
case class TestRow(a: Int, b: Int, c: Int)
然后定义一个优化规则,简单地丢弃任何投影:
object RemoveProjectOptimisationRule extends Rule[LogicalPlan] {
def apply(plan: LogicalPlan): LogicalPlan = plan transformDown {
case x: Project => x.child
}
}
现在创建一个数据集,注册优化,并运行 SQL 查询:
// Create a dataset and register table.
val dataset = List(TestRow(1, 2, 3)).toDS()
val tableName: String = "testtable"
dataset.createOrReplaceTempView(tableName)
// Register "optimisation".
sparkSession.experimental.extraOptimizations =
Seq(RemoveProjectOptimisationRule)
// Run query.
val projected = sqlContext.sql("SELECT a FROM " + tableName + " WHERE a = 1")
// Print query result and the queryExecution object.
println("Query result:")
projected.collect.foreach(println)
println(projected.queryExecution)
这是输出:
Query result:
[1]
== Parsed Logical Plan ==
'Project ['a]
+- 'Filter ('a = 1)
+- 'UnresolvedRelation `testtable`
== Analyzed Logical Plan ==
a: int
Project [a#3]
+- Filter (a#3 = 1)
+- SubqueryAlias testtable
+- LocalRelation [a#3, b#4, c#5]
== Optimized Logical Plan ==
Filter (a#3 = 1)
+- LocalRelation [a#3, b#4, c#5]
== Physical Plan ==
*Filter (a#3 = 1)
+- LocalTableScan [a#3, b#4, c#5]
我们看到结果与原始 SQL 语句的结果相同,但未应用转换。然而,在打印逻辑和物理平面图时,投影确实被删除了。我还确认(通过调试日志输出)确实正在调用转换。
关于这里发生的事情有什么建议吗?也许优化器只是忽略了改变语义的“优化”?
如果使用优化不是可行的方法,有人可以建议替代方案吗?我真正想做的就是解析输入的 SQL 语句,对其进行转换,然后将转换后的 AST 传递给 Spark 执行。但据我所知,执行此操作的 API 是 Spark 私有的sql
包裹。可能可以使用反射,但我想避免这种情况。
任何指示将不胜感激。