跨计算引擎的统一查询中间件Quicksql

Posted 2021-05-07 聊点源码

Quicksql是一款跨计算引擎的统一联邦查询中间件，用户可以使用标准SQL语法对各类数据源进行联合分析查询。其目标是构建实时\离线全数据源统一的数据处理范式，屏蔽底层物理存储和计算层，最大化业务处理数据的效率。同时能够提供给开发人员可插拔接口，由开发人员自行对接新数据源。

功能特性：

• 支持8种数据源查询：Hive, mysql, Kylin, Elasticsearch, Oracle, MongoDB, PostgreSQL, GBase-8s；

• 支持Spark、Flink双计算引擎；

• 支持基础CLI命令行查询和JDBC远程连接查询；

• JDBC类型数据源可通过YAML配置快速接入，无需修改代码；

• 提供方言/语法对接模板，支持用户对新数据源的语法自定义；

• 提供元数据采集功能，批量拉取预置元数据；

• 支持落地HDFS，支持可配置的异步响应机制；

架构设计

Quicksql 包含三层结构：

• 语法解析层：负责 SQL 语句的解析、校验、优化、混算 SQL 的切分以及最终生成 Query Plan；

• 计算引擎层：负责 Query Plan 路由到具体的执行计划中，将 Query Plan 解释为具体的执行引擎可识别的语言；

• 数据存储层：负责数据的提取、存储；

基本用法

在大多数情况下，我们希望使用一种语言进行数据分析，并且不想考虑与数据分析无关的事情，Quicksql 为此而生。

Quicksql 的目标是提供三个功能：

1. 将所有结构化数据查询统一为 SQL 语法

• **都用 SQL **

在 Quicksql 中，你可以这样查询 Elasticsearch:

SELECT state, pop FROM geo_mapping WHERE state = 'CA' ORDER BY state

甚至像这样进行聚合查询:

SELECT approx_count_distinct(city), state FROM geo_mapping GROUP BY state LIMIT 10

• 屏蔽方言

在过去，查询时需要将相同的语义语句转换为不同引擎的方言，例如：

SELECT * FROM geo_mapping 						-- MySQL Dialect
LIMIT 10 OFFSET 10 								

SELECT * FROM geo_mapping 						-- Oracle Dialect
OFFSET 10 ROWS FETCH NEXT 10 ROWS ONLY			

在 Quicksql 中，关系数据库不再有方言的概念。你可以使用 Quicksql 的语法来查询任何引擎，就像这样：

SELECT * FROM geo_mapping LIMIT 10 OFFSET 10	-- Run Anywhere

2. 屏蔽不同数据源之间的隔离性

考虑一种情况，你希望关联位于不同引擎中的表或不在同一集群中的表，您可能会遇到麻烦。

但是，在 Quicksql 中，您可以这样查询：

SELECT * FROM 
	(SELECT * FROM es_raw.profile AS profile	//index.tpye on Elasticsearch 
		WHERE note IS NOT NULL )AS es_profile
INNER JOIN 
	(SELECT * FROM hive_db.employee AS emp	//database.table on Hive
	INNER JOIN hive_db.action AS act	//database.table on Hive
	ON emp.name = act.name) AS tmp 
ON es_profile.prefer = tmp.prefer

下图展示了 Quicksql 对于联邦查询的优化流程：