首页
/ Kyuubi项目中Spark血缘关系解析的缺陷分析与修复

Kyuubi项目中Spark血缘关系解析的缺陷分析与修复

2025-07-03 19:22:59作者:龚格成

问题背景

在Apache Kyuubi项目中,当处理Spark SQL查询的血缘关系(Lineage)解析时,发现了一个可能导致错误结果的缺陷。该缺陷主要出现在特定场景下生成org.apache.kyuubi.plugin.lineage.Lineage实例时,会导致返回None值而非正确的血缘关系信息。

问题复现场景

该缺陷可以通过以下步骤复现:

  1. 首先从文件创建一个临时视图:
CREATE OR REPLACE TEMPORARY VIEW temp_view
(
 `a` STRING COMMENT '',
 `b` STRING COMMENT ''
)
USING csv OPTIONS(
    sep='\t',
    path='${sourceFile.path}'
)
  1. 然后通过从临时视图选择数据插入到表中:
insert overwrite table test_db.test_table_from_dir
SELECT
	`a`,
	`b`
FROM temp_view
  1. 在执行步骤2的插入语句时生成血缘关系

预期与实际结果对比

预期结果应该是包含完整血缘信息的Lineage对象:

inputTables(List())
outputTables(List(spark_catalog.test_db.test_table_from_dir))
columnLineage(List(ColumnLineage(spark_catalog.test_db.test_table_from_dir.a0,Set()), ColumnLineage(spark_catalog.test_db.test_table_from_dir.b0,Set())))

实际结果却是返回了一个None值,导致无法获取正确的血缘关系信息。

问题根源分析

通过代码分析发现,当前在解析LogicalPlan对象获取Lineage对象时存在逻辑缺陷。代码中采用了"try-recover"的自保护机制,在这种特定场景下会错误地返回None值而非正确的Lineage对象。

在Spark SQL的血缘关系解析过程中,当遇到从临时视图创建永久表的情况时,解析逻辑未能正确处理这种中间转换关系,导致最终的血缘关系信息丢失。

问题影响

单元测试环境

在单元测试中,当代码尝试获取这个None值时,会抛出None.get异常,导致测试失败。异常堆栈显示:

None.get
java.util.NoSuchElementException: None.get
	at scala.None$.get(Option.scala:529)
	at scala.None$.get(Option.scala:527)

生产环境

在生产环境中,这个None值的Lineage对象无法提供任何有效的血缘关系信息,导致依赖这些信息的监控、审计或数据治理功能失效。

解决方案

针对这个问题,社区已经提出了修复方案,主要改进点包括:

  1. 完善LogicalPlan到Lineage对象的转换逻辑
  2. 正确处理从临时视图到永久表的血缘关系传递
  3. 优化异常处理机制,避免在特定场景下返回None值

修复后的代码能够正确识别这种从临时视图创建永久表的场景,并生成完整的血缘关系信息,包括输入表、输出表以及列级别的血缘关系。

总结

这个缺陷揭示了Kyuubi在Spark SQL血缘关系解析中的一个边界条件处理不足的问题。通过修复这个问题,不仅解决了特定场景下的功能异常,也增强了整个血缘关系解析系统的健壮性。对于依赖Kyuubi进行数据血缘分析的用户来说,这一修复确保了在各种复杂场景下都能获得准确完整的血缘关系信息。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K