hive-jdbc/odbc的解读和看法

当前的项目中, 涉及到了hive-jdbc/odbc这块, 因此把这几天所调研的资料作一份总结.
本文讲解hive-jdbc/hive-odbc的实现, 以期对jdbc/odbc规范和实现有个较深入的理解和看法.

在具体讲述hive-jdbc之前,首先讲解一下hive的整体架构
*) hive的整体架构
hive-jdbc/odbc的解读和看法-LMLPHP

   这幅图很清晰的表明了hive的整体架构, 以及各个组件扮演的角色, 这边专注于讲解下hive-jdbc/hive-odbc如何实现,并如何与hiveserver进行交互.

*) 对hive-jdbc的理解和认识
   JDBC/ODBC两者皆是通过hiveclient与hiveserver保持通讯的，借助thrfit rpc协议来实现交互。
   hiveserver里面的session是socket连接级别，不是全局维护的，因此hiveserver的部署属于无状态节点，其HA部署方式简单采用多节点部署即可.
   在hive-0.12源码目录下，odbc是c/c++编写的源码，大致浏览了下，简单易懂，但都是与hiveserver交互的那部分代码，看不到任何与ODBC协议接口相关的内容。
   同时对比了下hive-jdbc的源码, 同一个模块下有两份hive-jdbc源码，分别为org.apache.hadoop.hive.jdbc, org.apache.hive.jdbc, 前者对应hiveserver ，后者对应hiveserver2 实现了tcliservice.thrift接口, hiveserver2加强了并发、认证等功能，同时对open api更友好。
   JDBC是java database connection的规范，它定义了一系列java访问各类db的访问接口，因此hive-jdbc其实本质上是扮演一个协议转换的角色，把jdbc的标准协议转换为访问HiveServer服务的协议. hive-jdbc除了扮演网络协议转化的工作, 并不承担他的工作, 比如sql的合法性校验和解析,一律忽略.
   jdbc的统一接口

public interface Connection extends Wrapper {

        Statement createStatement() throws SQLException;

        void commit() throws SQLException;

        Statement createStatement() throws SQLException;

        void close() throws SQLException;

}

public interface Statement extends Wrapper {

        boolean execute(String sql) throws SQLException;

        ResultSet getResultSet() throws SQLException;

}

public interface ResultSet extends Wrapper {

        Statement createStatement() throws SQLException;

        String getString(int columnIndex) throws SQLException;

}

hive-jdbc里最重要的3个类conection, statement, resultset.
conection对应hiveclient的创建, statement则对应hiveclient具体sql调用接口执行, resultset对应数据的读取(采用lazy的方式 + 分批批量读取的策略, 对涉及大数据返回结果的查询sql非常友好),因为hiveclient是个长连接, 而thrift rpc是个request/response的服务方式, 一个sql会对应多次rpc访问, 因此session扮演了很重要的角色.
其对应的服务接口如下所示:

public interface ThriftHiveMetastore.Iface {

    // 对应 hive-jdbc, Statement能访问的接口,用于sql的执行

    public void execute(String query) throws HiveServerException, org.apache.thrift.TException;

    // 对应hive-jdbc, ResultSet涉及的数据读取的接口

    public String fetchOne() throws HiveServerException, org.apache.thrift.TException;

    public List<String> fetchN(int numRows) throws HiveServerException, org.apache.thrift.TException;

    public List<String> fetchAll() throws HiveServerException, org.apache.thrift.TException;

 }

*) hive-server的一点看法
Thrift最常用的还是当作rpc服务使用，请求没有session的概念，这边hiveserver采用thrift是采用worker thread pool来处理，它选用了ThreadPoolServer（One thread per connection）这种thrift提供的服务模型中，最简单的，也是最适合长连接并需要维护session的应用场景。单另一方面, 由于hiveserver没有zookeeper作协调, 而连接方式又是采用长链接, 因此可能会出现集群负载不均衡的情况. 而且,据之前对thrift的认识, thrift对超时控制缺少支持, 这方便在hive-jdbc的实现中,好像也有所体现. 个人的看法.

参考资料:
https://cwiki.apache.org/confluence/display/Hive/HiveClient
www.cnblogs.com/sharpxiajun/archive/2013/06/02/3114180.html

DBC的

hive-jdbc/odbc的解读和看法