calcite介绍

前言

calcite是一个可以将任意数据查询转换成基于sql查询的引擎，引擎特性也有很多，比如支持sql树的解析，udf的扩展，sql执行优化器的扩展等等。目前已经被很多顶级apache项目引用，比如hive，kylin等。在这个SQL作为主流的数据查询语言大数据世界里，calcite的作用会越来越大。

理解calcite的核心流程

如图1所示。calcite核心步骤有两个，数据关系化， SQL解析执行。

图1 calcite核心流程

数据协议关系化

要想使用sql进行查询，首先要把非结构化数据结构化，而calcite号称支持所有数据协议，则必然得将这部分内容抽象出来。

在calcite的接口中，Schema和Table是数据关系化中最重要的两个接口。Schema是对catalog或者是database的抽象，以兼容已经存在的各类数据库，Table是对表，视图，流的抽象，以兼容数据的各种场景，下面详细描述一下这两种抽象。

schema

calcite利用schema的层级关系，构造出来namespace的概念，如图2所示，schema自身是一个树形结构，这样设计的优点很明显，可以兼容所有已知和未知的数据库，基于namespace结构，schema无论是横向还是纵向都可以无限扩展。

图2 schema的namespace

在实际应用中，RootSchema是根所有schema的路径，所有注册在RootSchema上的table或者是udf都是全局的，意思就是说可以被SubSchema直接使用，而注册在SubSchema里的table或者是udf，则在使用中必须声明是哪个SubSchema拥有的。

table

table是schema的核心属性，一个schema拥有多个table，这就像一个数据库中有很多表一样。而table的概念更为广泛，为了兼容到各类数据库或者消息队列，calcite将table类型细分为TableType，基本的类似传统关系型数据库中的表或者视图，流式的Stream等。

另外对数据协议的兼容是非常重要的，像json，csv，xml等等，table抽象出了RelDataType接口，目的是将应用层的数据协议转关系化，从而可以为sql服务。

拿csv格式的数据来说，假设csv数据的每一行数据和table中的每一行一一对应，那么在关系化的过程中，必须将csv中每个字段的类型及一些元数据定义清晰，比如字段是int类型还是long类型，主键是哪个字段，外键是哪个字段等，calcite提供了几乎所有已存在的字段类型。

关于嵌套数据，calcite也考虑的很周全，提供MapSqlType或者ArraySqlType的形式来兼容这些结构。

拿json格式的数据来说，字段嵌套是很常见的，如果想把这类结构数据关系化，通常有两种选择（1）数据扁平化，将嵌套的字段提上来，形成a.b的形式（2）通过calcite引擎声明嵌套字段及规则，在使用sql查询的时候再通过calcite的表达式提取这些字段。

SQL解析执行

到了这一步，其实和传统数据库很像了，如图3所示，calcite采用了该方案来解决从sql的输入到输出。

calcite通过关系代数来实现对sql的执行，而关系代数之间通过树形结构作为载体，每一个输入的sql命令都会被转换成树形结构的关系代数也就是关系表达式树。calcite支持直接构建关系表达式树，通过RelBuilder接口。

注：关系代数，常见的有（交，并，差，投影，选择，笛卡尔积，连接）

图3

案例

完整案例

calcite提供了基于json和csv的案例，在calcite-example模块下，另外在该模块的单元测试中，有一些完整的例子。

sql解析案例

// 可以通过SqlParser直接对sql语句作解析，返回的就是sql树。

SqlParser sqlParser = SqlParser.create("select * from \"table\" where \"column\" > 1 limit 1");
SqlNode sqlNode =  sqlParser.parseQuery();

if(sqlNode instanceof SqlCall){
    if(sqlNode instanceof SqlBasicCall){
        SqlBasicCall basicCall = (SqlBasicCall) sqlNode;
        System.out.println(((SqlIdentifier)basicCall.operand(0)).getSimple());
        System.out.println(((SqlNumericLiteral)basicCall.operand(1)).getValue());
        System.out.println(basicCall.getKind());
    }
    System.out.println(sqlNode.getKind()+" -> "+sqlNode.getClass());
    SqlCall call = (SqlCall) sqlNode;
    for(SqlNode node: call.getOperandList()){
        parse(node);
    }
}

　

引用

// calcite官网

http://calcite.apache.org/docs/tutorial.html

// calcite github

https://github.com/apache/calcite