如何从 SQL 查询中获取表名？

Posted 2023-04-15

【中文标题】如何从 SQL 查询中获取表名？

【英文标题】：How to get table names from SQL query?

【发布时间】：2018-04-11 23:24:33

【问题描述】：

我想使用 Scala 从 Spark 中的 sql 查询中获取所有表名。

假设用户发送如下 SQL 查询：

select * from table_1 as a left join table_2 as b on a.id=b.id

我想获取所有表格列表，例如 table_1 和 table_2。

正则表达式是唯一的选择吗？

【参考方案1】：

非常感谢@Swapnil Chougule 的the answer。这启发了我提供一种在结构化查询中收集所有表的惯用方式。

scala> spark.version
res0: String = 2.3.1

def getTables(query: String): Seq[String] = 
  val logicalPlan = spark.sessionState.sqlParser.parsePlan(query)
  import org.apache.spark.sql.catalyst.analysis.UnresolvedRelation
  logicalPlan.collect  case r: UnresolvedRelation => r.tableName 


val query = "select * from table_1 as a left join table_2 as b on a.id=b.id"
scala> getTables(query).foreach(println)
table_1
table_2

【讨论】：

在pyspark中能实现同样的功能吗？

这不完整，CTE中的表被忽略，“WIth”类型的孩子需要额外访问

@smokeny 你能显示破坏代码的查询吗？那会很有帮助。

就像with e as (select * from temp.tbl3), d as (select * from temp.tbl1) select * from ( select * from temp.tbl1 a cross join temp.tbl2 b) c cross join d cross join e 一样简单。您的 sn-p 将跳过 temp.tbl3 和 temp.tbl3

由于 sessionState 在 Spark 2.4.4 中具有私有访问权限，那么在 Spark 2.4.4 中实现相同功能的首选方法是什么？

【参考方案2】：

希望对你有帮助

使用 spark sql 解析器解析给定的查询（spark 内部也是如此）。您可以从会话状态中获取 sqlParser。它将给出查询的逻辑计划。遍历查询的逻辑计划并检查它是否是 UnresolvedRelation 的实例（叶逻辑运算符表示逻辑查询计划中尚未解决的表引用）并从中获取表。

def getTables(query: String) : Seq[String] =
    val logical : LogicalPlan = localsparkSession.sessionState.sqlParser.parsePlan(query)
    val tables = scala.collection.mutable.LinkedHashSet.empty[String]
    var i = 0
    while (true) 
      if (logical(i) == null) 
        return tables.toSeq
       else if (logical(i).isInstanceOf[UnresolvedRelation]) 
        val tableIdentifier = logical(i).asInstanceOf[UnresolvedRelation].tableIdentifier
        tables += tableIdentifier.unquotedString.toLowerCase
      
      i = i + 1
    
    tables.toSeq

【参考方案3】：

我有一些带有嵌套查询的复杂 sql 查询，并在 @Jacek Laskowski 的答案上进行了迭代以得到这个

  def getTables(spark: SparkSession, query: String): Seq[String] = 
    val logicalPlan = spark.sessionState.sqlParser.parsePlan(query)
    var tables = new ListBuffer[String]()
    var i: Int = 0

    while (logicalPlan(i) != null) 
      logicalPlan(i) match 
        case t: UnresolvedRelation => tables += t.tableName
        case _ => 
      
      i += 1
    

    tables.toList
  

【参考方案4】：

def __sqlparse2table(self, query):
    '''
    @description: get table name from table
    '''
    plan = self.spark._jsparkSession.sessionState().sqlParser().parsePlan(query)
    plan_string = plan.toString().replace('`.`', '.')
    unr = re.findall(r"UnresolvedRelation `(.*?)`", plan_string)
    cte = re.findall(r"CTE \[(.*?)\]", plan.toString())
    cte = [tt.strip() for tt in cte[0].split(',')] if cte else cte
    schema = set()
    tables = set()
    for table_name in unr:
        if table_name not in cte:
            schema.update([table_name.split('.')[0]])
            tables.update([table_name])

    return schema, tables

【参考方案5】：

由于您需要列出 table1 和 table2 中列出的所有列名称，因此您可以做的是在 hive db 中显示 db.table_name 中的表。

val tbl_column1 = sqlContext.sql("show tables in table1");
val tbl_column2 = sqlContext.sql("show tables in table2");

您将获得两个表中的列列表。

tbl_column1.show

name      
id  
data    

【讨论】：

grep '覆盖表' .txt | sed -r 's/.?(覆盖表)\s?([^ ]*).*/\2/g' | sort -u ，UNIX 做到了

grep 'INTO\|FROM\|JOIN' .sql | sed -r 's/.?(FROM|INTO|JOIN)\s?([^ ]*).*/\2/g' |排序 -u

【参考方案6】：

unix 成功了，grep 'INTO\|FROM\|JOIN' .sql | sed -r 's/.?(FROM|INTO|JOIN)\s?([^ ])./\2/g' |排序-u

grep '覆盖表' .txt | sed -r 's/.?(覆盖表)\s?([^ ])./\2/g' |排序-u