sparkSQL将谓词推入kudu引擎

 

kudu之所以执行非常快速，可以用来替代HDFS和Hbase等，一个主要原因是，我们可以将普通SQL中的谓词推入kudu引擎，这样kudu查询数据会变的非常快；

将谓词评估推入Kudu引擎可以提高性能，因为它可以减少需要流回Spark引擎以进行进一步评估和处理的数据量。

通过Spark API当前支持谓词下推的谓词集包括：

等于（=）

大于（>）

大于或等于（> =）

小于（<）

小于等于（<=）

因此，Spark SQL中的这些语句会将谓词评估推向Kudu的存储引擎，从而提高整体性能。

import org.apache.kudu.spark.kudu._
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.SparkSession

/**
  * Created by angel；
  */
object Predicate_pushDown {
  def main(args: Array[String]): Unit = {
    val sparkConf = new SparkConf().setAppName("AcctfileProcess")
      //设置Master_IP并设置spark参数
      .setMaster("local")
      .set("spark.worker.timeout", "500")
      .set("spark.cores.max", "10")
      .set("spark.rpc.askTimeout", "600s")
      .set("spark.network.timeout", "600s")
      .set("spark.task.maxFailures", "1")
      .set("spark.speculationfalse", "false")
      .set("spark.driver.allowMultipleContexts", "true")
      .set("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
    val sparkContext = SparkContext.getOrCreate(sparkConf)
    val sqlContext = SparkSession.builder().config(sparkConf).getOrCreate().sqlContext
    //使用spark创建kudu表
    val kuduMasters = "hadoop01:7051,hadoop02:7051,hadoop03:7051"
    val kuduContext = new KuduContext(kuduMasters, sqlContext.sparkContext)
    //TODO 1：定义kudu表
    val kuduTableName = "spark_kudu_tbl"
    //TODO 2：配置kudu参数
    val kuduOptions: Map[String, String] = Map(
      "kudu.table"  -> kuduTableName,
      "kudu.master" -> kuduMasters)

    //TODO 3：注册kudu表作为spark的临时表
    sqlContext.read.options(kuduOptions).kudu.registerTempTable(kuduTableName)

    //TODO 4：执行sparkSQL语句，spark会自动将谓词推入kudu引擎
    val customerNameAgeDF = sqlContext.
      sql(s"""SELECT name, age FROM $kuduTableName WHERE age >= 30""")

    //TODO 5：展示结果
    customerNameAgeDF.show()
    //TODO 6：使用sparkSQL的查询计划
    customerNameAgeDF.explain()
  }
}

可以看到查询计划：

== Physical Plan == Scan org.apache.kudu.spark.kudu.KuduRelation@781dbe44 [name#0,age#1] PushedFilters: [IsNotNull(age), *GreaterThanOrEqual(age,30)], ReadSchema: structname:string,age:int