Query 语句#

Syntax Notation#

  • [ expr ]: 中括号,可选部分

  • {}: 手动分组

  • a | b: 逻辑或,表示 ab

  • ...: 重复之前的部分, 重复次数 >= 0

  • 大写变量,例如 WITH, 表示 SQL 关键词 “WITH”

  • 小写变量, 例如 query, 可以拓展成特定语法结构

Syntax#

query_statement:
  query [ CONFIG ( { key = value }[, ...] )]

query:
  [ WITH {non_recursive_cte}[, ...] ]
  { select | ( query ) | set_operation }
  [ ORDER BY ordering_expression ]
  [ LIMIT count ]

select:
  SELECT select_list
  [ FROM from_item ]
  [ WHERE bool_expression ]
  [ GROUP BY group_by_specification ]
  [ HAVING bool_expression ]
  [ window_clause ]

set_operation:
  query set_operator query

non_recursive_cte:
  cte_name AS ( query )

set_operator:
  UNION { ALL | DISTINCT }

from_item:
  table_name [ as_alias ]
  | { join_operation | ( join_operation ) }
  | ( query ) [ as_alias ]
  | cte_name [ as_alias ]

as_alias:
  [ AS ] alias_name

join_operation:
  condition_join_operation

condition_join_operation:
  from_item LEFT [ OUTER ] JOIN from_item join_condition
  | from_item LAST JOIN [ ORDER BY ordering_expression ] from_item join_condition

join_condition:
  ON bool_expression

window_clause:
  WINDOW named_window_expression [, ...]

named_window_expression:
  named_window AS { named_window | ( window_specification ) }

window_specification:
  [ UNION ( from_item [, ...] ) ]
  PARTITION BY expression [ ORDER BY ordering_expression ]
  window_frame_clause [ window_attr [, ...] ]

window_frame_clause:
  frame_units BETWEEN frame_bound AND frame_bound [ MAXSIZE numeric_expression ] )

frame_unit:
  ROWS 
  | ROWS_RANGE

frame_boud:
  { UNBOUNDED | numeric_expression | interval_expression } [ OPEN ] PRECEDING
  | CURRENT ROW

window_attr:
  EXCLUDE CURRENT_TIME
  | EXCLUDE CURRENT_ROW
  | INSTANCE_NOT_IN_WINDOW

// each item in select list is one of:
// - *
// - expression.*
// - expression
select_list:
  { select_all | select_expression } [, ...]

select_all:
  [ expression. ]*

select_expression:
  expression [ [ AS ] alias ]

Query 语句元素#

SELECT语句元素

离线模式

在线预览模式

在线请求模式

说明

WITH Clause

SELECT list

投影操作列表,一般包括列名、表达式,或者是用 * 表示全部列

FROM Clause

表示数据来源

JOIN Operation

x

表示数据来源多个表JOIN。OpenMLDB目前仅支持LAST JOIN。在线请求模式下,需要遵循Online Request下LAST JOIN的使用规范

SET Operation

只支持 UNION, 在线支持 UNION ALL, 离线支持 UNION ALL/DISTINCT

WHERE Clause

x

x

Where 子句用于设置过滤条件,查询结果中只会包含满足条件的数据。

GROUP BY Clause

x

Group By 子句用于对查询结果集进行分组。分组表达式列表仅支持简单列。

HAVING Clause

x

Having 子句与 Where 子句作用类似.Having 子句过滤 GroupBy 后的各种数据,Where 子句在聚合前进行过滤。

WINDOW Clause

窗口子句用于定义一个或者若干个窗口。窗口可以是有名或者匿名的。用户可以在窗口上调用聚合函数来进行一些分析型计算的操作(sql agg_func() over window_name)。线请求模式下,需要遵循Online Request下Window的使用规范

LIMIT Clause

x

Limit子句用于限制返回的结果条数。目前Limit仅支持接受一个参数,表示返回数据的最大行数。

ORDER BY Clause

x

x

x

标准SQL还支持Order By子句。OpenMLDB目前尚未支持Order子句。例如,查询语句SELECT * from t1 ORDER BY col1;在OpenMLDB中不被支持。

Warning

在线模式或单机版的select,可能无法获取完整数据。单个tablet 限制了最大扫描数据量,即scan_max_bytes_size,默认为无限。但如果你配置了它,查询的数据量超过这个值,会出现结果截断。如果出现select结果截断,tablet 会出现reach the max byte ...的日志,但查询不会报错。

即使你没有配置scan_max_bytes_size,也可能出现select失败,比如 body_size=xxx from xx:xxxx is too large, Fail to parse response from xx:xxxx by baidu_std at client-side等错误。我们不推荐全表扫描在线表,如果你想获得在线表的数据条数,可以使用SELECT COUNT(*) FROM table_name

FROM Clause#

FROM子句指定了查询的原始数据来源,即我们要在哪些表中查找所需的数据。它也会定义这些数据源间的联系,比如是否通过某些字段建立连接查询,从而将原本分散在多个表中的数据整合在一起,形成一个单一的数据集以供查询操作使用.

FROM 子句的来源可以是:

  • 表名或者 Common Table Expression (CTE), 同名情况下 CTE 优先级更高

  • JOIN 操作, OpenMLDB 支持 LEFT JOIN 和 LAST JOIN

  • 任意子查询, 被括在括号中

离线同步模式 Query#

设置SET @@sync_job=true后的 Query 语句,就是离线同步模式下的 Query。在这个状态下的 Query 会展示结果到CLI(不建议在SDK中使用这种模式,不会得到正常的ResultSet)。

原理:Query 执行完成后各worker通过HTTP发送结果到TaskManager,TaskManager收集各个结果分片并保存到本地文件系统中。结果收集完成后,再从本地文件系统读取,读取后删除本地缓存的结果。

Attention

离线同步模式 Query 仅用于展示,不保证结果完整。整个结果收集中可能出现文件写入失败,丢失HTTP包等问题,我们允许结果缺失。

相关配置参数#

TaskManager配置batch.job.result.max.wait.time,在 Query job完成后,我们会等待所有结果被收集并保存在TaskManager所在主机的文件系统中,超过这一时间将结束等待,返回错误。如果认为整个收集结果的过程没有问题,仅仅是等待时间不够,可以调大这一配置项,单位为ms,默认为10min。

Batch配置(spark.default.conf):

  • spark.openmldb.savejobresult.rowperpost: 为了防止HTTP传送过多数据,我们对数据进行切割,默认为16000行。如果单行数据量较大,可以调小该值。

  • spark.openmldb.savejobresult.posttimeouts: HTTP传送数据的超时配置,共三个超时配置项,用,分隔,分别为ConnectionRequestTimeout,ConnectTimeout,SocketTimeout,默认为10000,10000,10000。如果出现HTTP传输超时,可调整这一参数。

重置#

如果使用过程中出现错误,可能导致Result Id无法正确重置。所有Result Id都被虚假占用时,会出现错误”too much running jobs to save job result, reject this spark job”。这时可以通过HTTP请求TaskManager来重置,POST内容如下:

curl -H "Content-Type:application/json" http://0.0.0.0:9902/openmldb.taskmanager.TaskManagerServer/SaveJobResult -X POST -d '{"result_id":-1, "json_data": "reset"}'