Query 语句

Syntax Notation

• [ expr ]: 中括号，可选部分

• {}: 手动分组

• a | b: 逻辑或，表示 a 或 b

• ...: 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"}'