广西人才网官方网站,提供邯郸移动网站建设,营销活动策划,58同城网站建设目的按照SQL标准的解释#xff0c;在SQL环境下Catalog和Schema都属于抽象概念。在关系数据库中#xff0c;Catalog是一个宽泛的概念#xff0c;通常可以理解为一个容器或数据库对象命名空间中的一个层次#xff0c;主要用来解决命名冲突等问题。 在Spark SQL系统中#xff0c;…按照SQL标准的解释在SQL环境下Catalog和Schema都属于抽象概念。在关系数据库中Catalog是一个宽泛的概念通常可以理解为一个容器或数据库对象命名空间中的一个层次主要用来解决命名冲突等问题。 在Spark SQL系统中Catalog主要用于各种函数资源信息和元数据信息数据库、数据表、数据视图、数据分区与函数等的统一管理。Spark SQL的Catalog体系涉及多个方面不同层次所对应的关系如下图所示。 具体来讲Spark SQL中的Catalog体系实现以SessionCatalog为主体通过SparkSessionSpark程序入口提供给外部调用。一般一个SparkSession对应一个SessionCatalog。本质上SessionCatalog起到了一个代理的作用对底层的元数据信息、临时表信息、视图信息和函数信息进行了封装。如上图所示SessionCatalog的构造参数包括6部分除传入Spark SQL和Hadoop配置信息的CatalystConf与Configuration外还涉及以下4个方面的内容。
GlobalTempViewManager全局的临时视图管理对应DataFrame中常用的createGlobal-TempView方法进行跨Session的视图管理。GlobalTempViewManager是一个线程安全的类提供了对全局视图的原子操作包括创建、更新、删除和重命名等。在GlobalTempViewManager内部实现中主要功能依赖一个mutable类型的HashMap来对视图名和数据源进行映射其中的key是视图名的字符串value是视图所对应的LogicalPlan一般在创建该视图时生成。需要注意的是GlobalTempViewManager对视图名是大小写敏感的。FunctionResourceLoader函数资源加载器在Spark SQL中除内置实现的各种函数外还支持用户自定义的函数和Hive中的各种函数。这些函数往往通过Jar包或文件类型提供FunctionResourceLoader主要就是用来加载这两种类型的资源以提供函数的调用。需要注意的是对于Archive类型的资源目前仅支持在YARN模式下以spark-submit方式提交时进行加载。FunctionRegistry函数注册接口用来实现对函数的注册Register、查找Lookup和删除Drop等功能。一般来讲FunctionRegistry的具体实现需要是线程安全的以支持并发访问。在Spark SQL中默认实现是SimpleFunctionRegistry其中采用Map数据结构注册了各种内置的函数。ExternalCatalog外部系统Catalog用来管理数据库Databases、数据表Tables、数据分区Partitions和函数Functions的接口。顾名思义其目标是与外部系统交互并做到上述内容的非临时性存储同样需要满足线程安全以支持并发访问。如上图所示ExternalCatalog是一个抽象类定义了上述4个方面的功能。在Spark SQL中具体实现有InMemoryCatalog和HiveExternalCatalog两种。前者将上述信息存储在内存中一般用于测试或比较简单的SQL处理后者利用Hive原数据库来实现持久化的管理在生产环境中广泛应用。
总体来看SessionCatalog是用于管理上述一切基本信息的入口。除上述的构造参数外其内部还包括一个mutable类型的HashMap用来管理临时表信息以及currentDb成员变量用来指代当前操作所对应的数据库名称。SessionCatalog在Spark SQL的整个流程中起着重要的作用在后续逻辑算子阶段和物理算子阶段都会用到。
