在Spark 2.0之后,Spark SQL使用Antlr 4来解析SQL表达式,其解析描述文件路径为spark源码路径:
\sql\catalyst\src\main\antlr4\org\apache\spark\sql\catalyst\parser\SqlBase.g4, 比如下面的sql语句是如何转化成RDD的。
select name from person where age > 18
SQL执行流程:
不管解析被划分为几步,在Spark 执行环境中,都要转化成RDD的调用代码,才能被spark core所执行
那么这里面有个关键的点,就是查询的SQL , 怎么转化成未解析的逻辑计划;未解析的逻辑计划这个阶段接收的是抽象的语法树,所以我们需要知道的就是,这个SQL语句是就是通过Antlr4转成抽象语法树的;
1、下载Antlr4
链接地址:https://www.antlr.org/download/index.html
2、把下载的包放在安装目录
3、编写bat脚本,内容如下antlr4.bat
java -cp antlr-4.5.3-complete.jar org.antlr.v4.Tool %*
4、把安装目录添加到环境变量
5、构建maven项目,添加如下依赖
<dependency>
<groupId>org.antlr</groupId>
<artifactId>antlr4-runtime</artifactId>
<version>4.5.3</version>
</dependency>
6、编写antlr文件,以g4结尾
grammar LearnAntlr ; // grammer是规则文件的头,要和文件名一样
//header代表生成的代码放在哪个包里面 {
package com.antlr4;
}
r : 'hello' ID; //r代表的是语法树的根结点
ID : [a-z]+ ;
WS : [ \t\r\n]+ -> skip ; //ID代表未知的值
7、命令行进入antlr\src\main\java\com\antlr4>目录中,执行antlr4 LearnAntlr.g4,生成代码如下:
8、新建ListenerRewrite继承LearnAntlrBaseListener
public class ListenerRewrite extends LearnAntlrBaseListener {
@Override
public void exitR(LearnAntlrParser.RContext ctx) {
final String a = ctx.getChild(0).getText().toLowerCase();
final String b = ctx.getChild(1).getText().toLowerCase();
System.out.println(a + " " + b);
}
}
9、词法和语法解析
10、运行代码,输出hello world