Hints

Batch Streaming

SQL hints 是和 SQL 语句一起使用来改变执行计划的。本章介绍如何使用 SQL hints 增强各种方法。

SQL hints 一般可以用于以下：

  • 增强 planner：没有完美的 planner，所以实现 SQL hints 让用户更好地控制执行是非常有意义的；
  • 增加元数据（或者统计信息）：如”已扫描的表索引”和”一些混洗键（shuffle keys）的倾斜信息”的一些统计数据对于查询来说是动态的，用 hints 来配置它们会非常方便，因为我们从 planner 获得的计划元数据通常不那么准确；
  • 算子（Operator）资源约束：在许多情况下，我们会为执行算子提供默认的资源配置，即最小并行度或托管内存（UDF 资源消耗）或特殊资源需求（GPU 或 SSD 磁盘）等，可以使用 SQL hints 非常灵活地为每个查询（非作业）配置资源。

动态表（Dynamic Table）选项

动态表选项允许动态地指定或覆盖表选项，不同于用 SQL DDL 或 连接 API 定义的静态表选项，这些选项可以在每个查询的每个表范围内灵活地指定。

因此，它非常适合用于交互式终端中的特定查询，例如，在 SQL-CLI 中，你可以通过添加动态选项/*+ OPTIONS('csv.ignore-parse-errors'='true') */来指定忽略 CSV 源的解析错误。

语法

为了不破坏 SQL 兼容性，我们使用 Oracle 风格的 SQL hints 语法：

  1. table_path /*+ OPTIONS(key=val [, key=val]*) */
  3. key:
  4.     stringLiteral
  5. val:
  6.     stringLiteral

示例

  2. CREATE TABLE kafka_table1 (id BIGINT, name STRING, age INT) WITH (...);
  3. CREATE TABLE kafka_table2 (id BIGINT, name STRING, age INT) WITH (...);
  5. -- 覆盖查询语句中源表的选项
  6. select id, name from kafka_table1 /*+ OPTIONS('scan.startup.mode'='earliest-offset') */;
  8. -- 覆盖 join 中源表的选项
  9. select * from
  10.     kafka_table1 /*+ OPTIONS('scan.startup.mode'='earliest-offset') */ t1
  11.     join
  12.     kafka_table2 /*+ OPTIONS('scan.startup.mode'='earliest-offset') */ t2
  13.     on t1.id = t2.id;
  15. -- 覆盖插入语句中结果表的选项
  16. insert into kafka_table1 /*+ OPTIONS('sink.partitioner'='round-robin') */ select * from kafka_table2;