这篇文章主要讲解了“什么是扩展Spark SQL解析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“什么是扩展Spark SQL解析”吧！

ANTLR

Antlr4是一款开源的语法分析器生成工具，能够根据语法规则文件生成对应的语法分析器。现在很多流行的应用和开源项目里都有使用，比如Hadoop、Hive以及Spark等都在使用ANTLR来做语法分析。

ANTLR 语法识别一般分为二个阶段：

1.词法分析阶段 (lexical analysis)

对应的分析程序叫做 lexer ，负责将符号(token)分组成符号类(token class or token type)

2.解析阶段

根据词法，构建出一棵分析树(parse tree)或叫语法树(syntax tree)

ANTLR的语法文件，非常像电路图，从入口到出口，每个Token就像电阻，连接线就是短路点。

上面截图对应的语法文件片段，定义了两部分语法，一部分是显示表达式和赋值，另外一部分是运算和表达式定义。

stat:exprNEWLINE#printExpr|ID'='exprNEWLINE#assign|NEWLINE#blank;expr:exprop=('*'|'/')expr#MulDiv|exprop=('+'|'-')expr#AddSub|INT#int|ID#id|'('expr')'#parens;

接下来，加上定义词法部分，就能形成完整的语法文件。

完整语法文件：

grammarLabeledExpr;//renametodistinguishfromExpr.g4prog:stat+;stat:exprNEWLINE#printExpr|ID'='exprNEWLINE#assign|NEWLINE#blank;expr:exprop=('*'|'/')expr#MulDiv|exprop=('+'|'-')expr#AddSub|INT#int|ID#id|'('expr')'#parens;MUL:'*';//assignstokennameto'*'usedaboveingrammarDIV:'/';ADD:'+';SUB:'-';ID:[a-zA-Z]+;//matchidentifiersINT:[0-9]+;//matchintegersNEWLINE:'\r'?'\n';//returnnewlinestoparser(isend-statementsignal)WS:[\t]+->skip;//tossoutwhitespaceSqlBase.g4

Spark的语法文件，在sql下的catalyst模块里，如下图：

一条正常SQL，例如 Select t.id,t.name from t , 现在我们为其添加一个 JACKY表达式，令其出现在 Select 后面 ，形成一条语句

Selectt.id,t.nameJACKY(2)fromt

我们先看一下正常的语法规则：

现在我们添加一个 jackyExpression

jackExpression 本身的规则就是 JACKY加上括号包裹的一个数字

将 JACKY 添加为token

修改语法文件 如下：

jackyExpression:JACKY'('number')'//expression;namedExpression:expression(AS?(identifier|identifierList))?;namedExpressionSeq:namedExpression(','namedExpression|jackyExpression)*;扩展逻辑计划

经过上面的修改，就可以测试语法规则，是不是符合预期了，下面是一颗解析树,我们可以看到jackyExpression已经可以正常解析了。

这里引用一张经典的Spark SQL架构图

我们输入的 SQL语句 首先被解析成 Unresolved Logical Pan ，对应的是

给逻辑计划添加遍历方法：

overridedefvisitJackyExpression(ctx:JackyExpressionContext):String=withOrigin(ctx){println("thisisastbuilderjacky="+ctx.number().getText)this.jacky=ctx.number().getText.toIntctx.number().getText}

再处理namedExpression的时候，添加jackyExpression处理

//Expressions.valexpressions=Option(namedExpressionSeq).toSeq.flatMap(_.namedExpression.asScala).map(typedVisit[Expression])//jackyExpression处理if(namedExpressionSeq().jackyExpression()!=null&&namedExpressionSeq().jackyExpression().size()>0){visitJackyExpression(namedExpressionSeq().jackyExpression().get(0))}

好了，到这里从逻辑计划处理就完成了，有了逻辑计划，就可以在后续物理计划中添加相应的处理逻辑就可以了(还没研究明白... Orz)。

测试用例

publicclassCase4{publicstaticvoidmain(String[]args){CharStreamca=CharStreams.fromString("SELECT`b`.`id`,`b`.`class`JACKY(2)FROM`b`LIMIT10");SqlBaseLexerlexer=newSqlBaseLexer(ca);SqlBaseParsersqlBaseParser=newSqlBaseParser(newCommonTokenStream(lexer));ParseTreeparseTree=sqlBaseParser.singleStatement();AstBuilderastBuilder=newAstBuilder();astBuilder.visit(parseTree);System.out.println(parseTree.toStringTree(sqlBaseParser));System.out.println(astBuilder.jacky());}}

执行结果

感谢各位的阅读，以上就是“什么是扩展Spark SQL解析”的内容了，经过本文的学习后，相信大家对什么是扩展Spark SQL解析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！