Apache Drill学习

简介

Apache Drill is a low latency distributed query engine for large-scale datasets, including structured and semi-structured/nested data.

官网：http://drill.apache.org/

Apache Drill的用途：Drill是SQL查询引擎，可以构建在几乎所有的NoSQL数据库或文件系统(如：Hive, HDFS, mongo db, Amazon S3等)上，用来加速查询，比如，我们所熟知的Hive，用于在hdfs进行类SQL查询，但是利用Hive的速度比较慢，因此可以利用Drill一类的查询引擎加速查询，用于分布式大数据的实时查询等场景。

架构

drill 通过 Storage plugin interface 即插件的形式实现在不同的数据源上构建查询引擎。

安装，分为嵌入模式与分布模式。

这里介绍linux下嵌入模式的安装：

嵌入模式无需做相关配置，较简便，首先要安装JDK 7；

进入到待安装目录，打开shell；

下载安装包，运行以下命令中其中一条：

wget http://getdrill.org/drill/download/apache-drill-1.1.0.tar.gz

或curl -o apache-drill-1.1.0.tar.gz http://getdrill.org/drill/download/apache-drill-1.1.0.tar.gz

下载文件到待安装目录后(或下载后移动至安装目录)；

解压缩安装包，执行命令tar -xvzf <.tar.gz file name>

解压缩后，进入目录，此处解压过后的目录为apache-drill-1.1.0，执行命令 bin/drill，如图

此时可能会报错，显示内存不足，这里可以在子目录conf中修改drill-env.sh文件中的默认内存分配设置即可，默认是4G，对于一般家用机器，必然会报错。

即启动嵌入模式drill。

上图中最后一行表明drill已启动，可以开始执行查询，最后一行命令提示符的含义为，0表示连接数，jdbc表示连接类型，zk=local表示使用ZooKeeper本地节点。

退出命令 !quit

drill web访问接口，在浏览器输入 http://<IP address or host name>:8047 即可，访问效果如图：

以上我们安装好了drill工具，但是并未将其与我们的特定数据源关联，以下我们进行相关配置，使其可以对具体数据执行查询。

1. 内存配置，如上，修改，在drill-env.sh中修改参数  XX:MaxDirectMemorySize 即可。

2. 配置多用户设置

3. 配置用户权限与角色

4. 。。。待续

连接数据源

dril连接数据源，通过存储插件形式，这样增加了灵活性，对于不同的数据源，通过插件实现多数据源的兼容，drill可以连接数据库，文件，分布式文件系统，hive metastore等。

可以通过三种方式指定配置存储插件配置：

(1) 通过查询中的FROM语句

(2) 在查询语句前使用USE命令

(3) 在启动drill时指定

Web配置方式

可以在 http://<IP address>:8047/storage 查看和配置存储插件，存在以下选项，

cp连接jar file

dfs连接本地文件系统或任何分布式文件系统，如hadoop，amazon s3等

hbase连接Hbase

hive连接hive metastore

mongo连接MongoDB

点击进入update选项，可以配置数据格式等选项，

可以输入存储插件名字创建新的存储插件，如图

dfs插件配置示例，如图

drill插件可配置属性介绍

Attribute	Example Values	Required	Description
"type"	"file" "hbase" "hive" "mongo"	yes	A valid storage plugin type name.
"enabled"	true false	yes	State of the storage plugin.
"connection"	"classpath:///" "file:///" "mongodb://localhost:27017/" "hdfs://"	implementation-dependent	The type of distributed file system, such as HDFS, Amazon S3, or files in your file system, and an address/path name.
"workspaces"	null "logs"	no	One or more unique workspace names. If a workspace name is used more than once, only the last definition is effective.
"workspaces". . . "location"	"location": "/Users/johndoe/mydata" "location": "/tmp"	no	Full path to a directory on the file system.
"workspaces". . . "writable"	true false	no	One or more unique workspace names. If defined more than once, the last workspace name overrides the others.
"workspaces". . . "defaultInputFormat"	null "parquet" "csv" "json"	no	Format for reading data, regardless of extension. Default = "parquet"
"formats"	"psv" "csv" "tsv" "parquet" "json" "avro" "maprdb" *	yes	One or more valid file formats for reading. Drill implicitly detects formats of some files based on extension or bits of data in the file; others require configuration.
"formats" . . . "type"	"text" "parquet" "json" "maprdb" *	yes	Format type. You can define two formats, csv and psv, as type "Text", but having different delimiters.
formats . . . "extensions"	["csv"]	format-dependent	File name extensions that Drill can read.
"formats" . . . "delimiter"	"\t" ","	format-dependent	Sequence of one or more characters that serve as a record separator in a delimited text file, such as CSV. Use a 4-digit hex code syntax \uXXXX for a non-printable delimiter.
"formats" . . . "quote"	"""	no	A single character that starts/ends a value in a delimited text file.
"formats" . . . "escape"	"`"	no	A single character that escapes a quotation mark inside a value.
"formats" . . . "comment"	"#"	no	The line decoration that starts a comment line in the delimited text file.
"formats" . . . "skipFirstLine"	true	no	To include or omit the header when reading a delimited text file. Set to true to avoid reading headers as data.

也可以通过Drill Rest API进行插件配置，使用POST方式传递名字和配置两个属性，例如

curl -X POST -/json" -d '{"name":"myplugin", "config": {"type": "file", "enabled": false, "connection": "file:///", "workspaces": { "root": { "location": "/", "writable": false, "defaultInputFormat": null}}, "formats": null}}' https://localhost:8047/storage/myplugin.json

上面命令创建一个名为myplugin的插件，用于查询本地文件系统根目录的未知文件类型。

介绍连接hive的配置，首先确保hive metastore服务启动，hive.metastore.uris: hive --service metastore

进入Drill Web接口，进入Store选项卡， http://<IP address>:8047/storage

点击hive旁的update选项，进行配置，如图

进入配置界面，在默认内容上添加如下，