Apache Kyuubi中Spark血缘关系解析的缺陷分析与修复
背景介绍
Apache Kyuubi是一个开源的分布式SQL引擎,它提供了JDBC接口来执行SQL查询。在数据处理领域,数据血缘(Lineage)追踪是一个重要功能,它可以帮助用户理解数据的来源和流转过程。Kyuubi通过org.apache.kyuubi.plugin.lineage.Lineage
类来记录SQL操作的数据血缘信息。
问题发现
在特定场景下,Kyuubi生成的血缘关系对象会出现错误。具体表现为:当用户通过临时视图(temporary view)向目标表插入数据时,系统本应生成完整的血缘关系信息,但实际上却生成了一个值为None的空对象。
问题复现步骤
- 首先创建一个基于CSV文件的临时视图:
CREATE OR REPLACE TEMPORARY VIEW temp_view
(
`a` STRING COMMENT '',
`b` STRING COMMENT ''
)
USING csv OPTIONS(
sep='\t',
path='数据文件路径'
);
- 然后执行插入操作,将临时视图数据写入目标表:
insert overwrite table test_db.test_table_from_dir
SELECT
`a`,
`b`
FROM temp_view
- 在执行上述插入语句时,系统尝试生成血缘关系信息,但结果不正确。
预期与实际的差异
按照预期,系统应该生成如下完整的血缘关系信息:
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())))
但实际上,系统生成了一个None值,导致血缘信息完全缺失。
问题根源分析
通过代码分析发现,问题出在LogicalPlan对象的解析逻辑上。当前实现中,当解析过程中遇到某些特殊情况时,系统会触发"try-recover"自我保护机制,导致最终返回None值而不是正确的血缘关系对象。
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)
生产环境
在生产环境中,这个None值会导致血缘关系功能完全失效,用户无法获取任何关于数据流转的信息,严重影响数据治理和追踪能力。
解决方案
针对这个问题,社区已经提出了修复方案。修复的核心思路是改进LogicalPlan的解析逻辑,确保在遇到临时视图等特殊情况时,仍能正确生成血缘关系信息,而不是简单地返回None值。
修复后的代码能够正确处理临时视图到目标表的数据流转场景,确保血缘关系的完整性和准确性。这对于依赖Kyuubi进行数据治理的企业用户来说尤为重要,因为它保证了数据流转过程的可追溯性。
总结
数据血缘是数据治理的重要组成部分,Kyuubi作为SQL执行引擎,其血缘关系功能的稳定性直接影响用户的数据管理能力。这次修复不仅解决了一个具体的技术问题,也提升了整个系统在复杂场景下的可靠性。对于使用Kyuubi的用户来说,升级到包含此修复的版本将获得更稳定的血缘关系追踪能力。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









