Home

如何用 ANTLR 解析和重写SQL

1. 简介 ANTLR(ANother Tool for Language Recognition)1是一个强大的 parser generator,可以根据规则生成 parser 代码,用于读取、处理、执行和翻译结构化或二进制数据。Hive/Trino/Spark/Flink/Doris/… 等常见大数据组件都用到了 ANTLR. 如果要实现 C++ 代码的解析器,需要提取出其中的变量、常量、关键字、注释;解析 JSON ,需要提取出{} [] '";解析 SQL、Protobuf 也是如此。 解析完成后,还需要能够遍历结果树,判断语法是否正确。 ANTLR 使用通用的方式解决了这一点,并对应分成两个步骤: LEXER: 输入流解析为 tokens PARSER: t...

Read more

DolphinScheduler-10: quartz

之前讲工作流的启动,源头是t_ds_command表,这篇笔记讲讲该表数据是如何写入的,也就是 Crontab 的生效过程。 1. quartz 简单的 crontab 实现方式很多,java.util.Timer、spring @Scheduled、akka scheduler etc.。 quartz1也是一个调度框架,可以集成在 java 程序里,好处是持久化和分布式。 我觉得 quartz 里最重要的概念有三个: JobDetail: 用户继承该基类实现自己的任务类,执行具体任务 Trigger: 任务触发器,比如一次性触发、Crontab 触发等 Scheduler: 调度器,接收 JobDetail,按照 Trigger 调度 JobBuilder...

Read more

DolphinScheduler-9: 容错

1. 容错的必要性 分布式系统使用集群提高了算力,也天然需要面对和解决单机不稳定的问题,比如常说的宕机、掉盘、网络抖动等。 Jeff Dean 多年前在斯坦福有过一个分享1,其中一些数字我觉得应该是架构谨记的: Typical first year for a new cluster: ~1 network rewiring (rolling ~5% of machines down over 2-day span) ~20 rack failures (40-80 machines instantly disappear, 1-6 hours to get back) ~5 racks go wonky (40-80 machines see 50% packet...

Read more

DolphinScheduler-8: 状态

在工作流的生命周期里,初步介绍过工作流的各种状态。 1. 状态机 如果我们实现一个任务调度系统,首要是梳理清楚任务状态。 以 Flink 任务流程为例: 提交:任务提交后,资源调度需要分配资源、初始化Container、启动JobManager、TaskManager等。因此任务首先是从初始化到提交中,再从提交成功到运行,当然任务也有可能因为各种原因导致提交失败。 运行:运行中的任务,可能会成功,可能会失败,对流式任务,也有可能一直是运行。 停止:任务在任何一个状态,都可能会收到停止的事件,同理会先变成停止中,再变成已停止,如果停止失败,那回到原来的状态。 这个流程包含三元素: 状态:初始化、提交中、运行、成功、失败、已停止,都是任务的状态 事件...

Read more