首页
/ Apache Kyuubi 中查询状态提前返回但作业仍在执行的问题分析

Apache Kyuubi 中查询状态提前返回但作业仍在执行的问题分析

2025-07-03 17:09:07作者:齐冠琰

问题现象

在使用 Apache Kyuubi 提交 Spark 查询时,Kyuubi 会快速返回查询完成状态(FINISHED_STATE),但实际上 Spark 作业仍在后台继续执行。这种现象主要出现在特定类型的 SQL 查询中,特别是当查询包含一个空表与一个大表的左连接操作时。

问题复现与背景

通过测试发现,当执行类似以下模式的查询时会出现该问题:

SELECT *
FROM (SELECT uid FROM small_table WHERE condition_return_empty) t1
LEFT JOIN (SELECT vendor_id FROM very_large_table) t2 ON t1.uid = t2.vendor_id
LIMIT 5;

其中,左子查询返回空结果集(0行),右子查询返回大量数据(上亿行)。在这种场景下,Kyuubi 会很快返回查询完成状态,但 Spark 仍在处理右表的计算任务。

技术原理分析

Spark 查询优化机制

Spark 的查询优化器(AQE)在这种情况下会进行优化:当检测到连接操作的一侧为空时,理论上整个连接操作的结果也必然为空。因此,Spark 会提前终止查询执行并返回空结果集。

Kyuubi 状态管理

Kyuubi 作为 Spark SQL 的网关服务,负责管理查询的生命周期和状态转换。当 Spark 返回查询结果后,Kyuubi 会将查询状态标记为 FINISHED,表示查询已经完成。

问题根源

问题的核心在于 Spark 虽然优化了查询计划,但并未自动取消已经启动但不再需要的计算任务。具体来说:

  1. 在 AQE 检测到一侧为空后,Spark 会立即返回结果
  2. 但已经启动的另一侧计算任务(大表处理)仍在继续执行
  3. Kyuubi 依赖 Spark 的状态报告,当 Spark 返回结果后即标记查询完成
  4. 默认情况下,Kyuubi 不会主动取消这些"无用"的计算任务

解决方案与最佳实践

临时解决方案

对于当前版本的用户,可以在获取到 FINISHED 状态后手动关闭操作,这将触发 Kyuubi 取消相关的 Spark 作业组:

// 获取查询状态
if (status == FINISHED) {
    // 手动关闭操作
    operation.close();
}

长期解决方案

Kyuubi 社区已经识别到这个问题,并提出了修复方案:

  1. 在 REST API 执行路径中显式调用 cancelJobGroup
  2. 确保所有执行路径都能正确清理资源
  3. 改进状态转换逻辑,更好地与 Spark 的查询优化行为协调

配置建议

对于生产环境,建议:

  1. 启用 Spark AQE 以利用查询优化
  2. 合理设置查询超时时间
  3. 监控长时间运行的 Spark 作业,及时干预异常情况

总结

这个问题展示了分布式查询引擎中查询优化与资源管理之间的微妙平衡。虽然提前返回结果在某些场景下能提高用户体验,但也需要妥善处理后台资源的使用。Kyuubi 和 Spark 社区正在持续改进这方面的行为,未来版本将提供更优雅的解决方案。对于当前用户,理解这一现象的原理并采用适当的工作around是保障系统稳定运行的关键。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
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
923
551
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8