Kafka - SQL 代碼實現

1.概述

　　上次給大家分享了關於 Kafka SQL 的實現思路，這次給大家分享如何實現 Kafka SQL。要實現 Kafka SQL，在上一篇《Kafka - SQL 引擎分享》中分享了其實現的思路，核心包含數據源的加載，以及 SQL 樹的映射。今天筆者給大家分享相關實現的代碼。

2.內容

　　這里，將數據映射成 SQL Tree 是使用了 Apache Calcite 來承接這部分工作。在實現代碼之前，我們首先來了解下 Apache Calcite 的相關內容，Apache Calcite 是一個面向 Hadoop 的查詢引擎，它提供了業界標准的 SQL 語言，以及多種查詢優化和連接各種存儲介質的適配器。另外，還能處理 OLAP 和流處理場景。因為存在這么多優秀和閃光的特性， Hadoop 生態圈中 Apache Calcite 越發引人注目，被諸多項目所集成，常見的有：

• Apache Drill：基於大數據的實時查詢引擎
• Apache Spark：繼 Hadoop 之后的新一代大數據分布式處理框架。
• 更多詳情，這里就不一一列舉了，詳情查看地址：《Adapters》

2.1 數據類型

　　這里數據源的數據類型，我們分為兩種，一種是 SQL，另一種是基於編程語言的，這里我們所使用的是 Java，定義內容如下：

public static Map<String, SqlTypeName> SQLTYPE_MAPPING = new HashMap<String, SqlTypeName>();
public static Map<String, Class> JAVATYPE_MAPPING = new HashMap<String, Class>();

public static void initRowType() {
        SQLTYPE_MAPPING.put("char", SqlTypeName.CHAR);
        JAVATYPE_MAPPING.put("char", Character.class);
        SQLTYPE_MAPPING.put("varchar", SqlTypeName.VARCHAR);
        JAVATYPE_MAPPING.put("varchar", String.class);
        // ......     
}

2.2 表的相關描述

　　另外，我們需要對表進行一個描述，在關系型數據庫中，一個正常的表由行列組成，定義內容如下：

    public static class Database {
        public List<Table> tables = new LinkedList<Table>();
    }

    public static class Table {
        public String tableName;
        public List<Column> columns = new LinkedList<Column>();
        public List<List<String>> data = new LinkedList<List<String>>();
    }

    public static class Column {
        public String name;
        public String type;
    }

　　在每個集合中存儲數據庫相關名稱，每個數據庫存儲多個集合的表對象，每個表對象下面又有一系列的列以及綁定的數據源。在每個列對象中包含字段名和類型，層層遞進，依次關聯。在使用 Calcite 是，需要遵循其 JSON Model，上篇博客我們已經定義過其 JSON Model，這里我們直接拿來使用，內容如下：

{
    version: '1.0',
    defaultSchema: 'kafka',  
    schemas: [  
        {
            name: 'kafka',  
            type: 'custom',
            factory: 'cn.smartloli.kafka.visual.engine.KafkaMemorySchemaFactory',  
            operand: {
                database: 'kafka_db'
            }  
        } 
    ]
}

 　　要實現其 Model ，這里需要我們去實現 org.apache.calcite.schema.SchemaFactory 的接口，內容如下所示：

public class KafkaMemorySchemaFactory implements SchemaFactory {
    @Override
    public Schema create(SchemaPlus parentSchema, String name, Map<String, Object> operand) {
        return new KafkaMemorySchema(name);
    }
}

　　而在 KafkaMemorySchema 類中，我們只需要實現它的 getTableMap 方法，內容如下所示：

 @Override
 protected Map<String, Table> getTableMap() {
 　　Map<String, Table> tables = new HashMap<String, Table>();
    Database database = KafkaMemoryData.MAP.get(this.dbName);
    if (database == null)
    　　return tables;
    for (KafkaMemoryData.Table table : database.tables) {
    　　tables.put(table.tableName, new KafkaMemoryTable(table));
    }
    return tables;
 }

　　從上述代碼中，可以知道通過內存中的 Map 表查看對應的數據庫對象，然后根據數據庫對象中的表作為 Schema 中的表，而表的類型為 KafkaMemoryTable。

2.3 表類型

　　這里筆者就直接使用全表掃描，使用 org.apache.calcite.schema.impl.AbstractTable 的默認方式，實現其 getRowType 方法和 scan 方法，內容如下所示：

public RelDataType getRowType(RelDataTypeFactory typeFactory) {
　　if(dataType == null) {
   　　RelDataTypeFactory.FieldInfoBuilder fieldInfo = typeFactory.builder();
      for (KafkaMemoryData.Column column : this.sourceTable.columns) {
      　　RelDataType sqlType = typeFactory.createJavaType(
      　　KafkaMemoryData.JAVATYPE_MAPPING.get(column.type));
      　　sqlType = SqlTypeUtil.addCharsetAndCollation(sqlType, typeFactory);
      　　fieldInfo.add(column.name, sqlType);
      }
      this.dataType = typeFactory.createStructType(fieldInfo);
   }
   return this.dataType;
}

public Enumerable<Object[]> scan(DataContext root) {
        final List<String> types = new ArrayList<String>(sourceTable.columns.size());
        for(KafkaMemoryData.Column column : sourceTable.columns) {
            types.add(column.type);
        }
        final int[] fields = identityList(this.dataType.getFieldCount());
        return new AbstractEnumerable<Object[]>() {
            public Enumerator<Object[]> enumerator() {
                return new KafkaMemoryEnumerator<Object[]>(fields, types, sourceTable.data);
            }
        };
    }

　　代碼中，表中的字段名和類型是根據初始化時，每個表中的數據類型映射匹配的，在 KafkaMemoryData.SQLTYPE_MAPPING 和 KafkaMemoryData.JAVATYPE_MAPPING 中有描述相關自定義類型映射，這里就不多做贅述了。

　　實現流程大致就是這個樣子，將每次的 SQL 查詢，通過 Calcite 解析成標准可執行的 SQL 計划，執行期間會根據定義的信息，初始化每一個 Schema，在通過調用 getTableMap 獲取字段名和類型，根據這些信息判斷查詢的表，字段名，類型以及 SQL 語法是否標准規范。然后在使用 Calcite 內部機制，生成物理執行計划。查詢計划是 Tree 形式的，底層是進行掃表操作（可看作為 FROM），獲取每個表的數據，之后在根據表數據進行上層的關聯操作，如 JOIN，GROUP BY，LIMIT 等操作。

3.測試

　　完成上述流程后，進行代碼測試，測試代碼如下所示：

public static void main(String[] args) {
        try {
            Class.forName("org.apache.calcite.jdbc.Driver");
        } catch (Exception ex) {
            ex.printStackTrace();
        }
        Properties info = new Properties();
        try {
            Connection connection = DriverManager.getConnection("jdbc:calcite:model=/Users/dengjie/hadoop/workspace/kafka/kafka-visual/src/main/resources/plugins.json",info);    
            Statement st = connection.createStatement();
            // String sql = "select * from \"Kafka\" where \"_plat\"='1004' limit 1";
            String sql = "select * from \"Kafka\" limit 10";

            long start = System.currentTimeMillis();
            result = st.executeQuery(sql);
            ResultSetMetaData rsmd = result.getMetaData();
            List<Map<String, Object>> ret = new ArrayList<Map<String,Object>>();
            
            while (result.next()) {
                Map<String, Object> map = new HashMap<String, Object>();
                for (int i = 1; i <= rsmd.getColumnCount(); i++) {
                    System.out.print(result.getString(rsmd.getColumnName(i)) + " ");
                    map.put(rsmd.getColumnName(i), result.getString(rsmd.getColumnName(i)));
                }
                ret.add(map);
                System.out.println();
            }
            System.out.println(new Gson().toJson(ret));       
            result.close();
            connection.close();
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }

4.總結

　　以上便是將 Kafka 中數據消費后，作為數據源加載和 SQL Tree 映射的實現代碼，實現不算太困難，在編寫 SQL 查詢的時候，需要遵循標准的 SQL 語法來操作數據源。

5.結束語

　　這篇博客就和大家分享到這里，如果大家在研究學習的過程當中有什么問題，可以加群進行討論或發送郵件給我，我會盡我所能為您解答，與君共勉！