Kyuubi项目中的引擎选择与高可用性问题解析
问题背景
在Kyuubi 1.9.1版本中,当配置了高可用性(HA)功能并将kyuubi.engine.share.level
设置为GROUP
时,用户发现无法通过JDBC URL参数正确指定查询引擎类型。这一现象主要出现在通过ZooKeeper连接Kyuubi集群时,引擎类型参数被忽略,系统始终使用默认的Spark SQL引擎。
技术细节分析
1. 引擎选择机制失效
在Kyuubi的配置实践中,用户尝试通过以下两种方式指定引擎类型:
-
直接连接Kyuubi服务端口:
/opt/kyuubi/bin/beeline -u 'jdbc:hive2://XXXX:10009/?kyuubi.engine.type=TRINO' -n evm -p
这种方式能够正常工作,成功启动指定的Trino引擎。
-
通过ZooKeeper服务发现连接:
/opt/kyuubi/bin/beeline -u 'jdbc:hive2://XXXX:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=kyuubi#kyuubi.engine.type=TRINO' -n evm -p
这种方式下,引擎类型参数被忽略,始终启动默认的Spark SQL引擎。
经过深入分析,发现问题出在JDBC URL的构造方式上。正确的参数传递方式应该是将引擎类型参数放在#
符号之后,而非;
分隔符之后。这是Kyuubi对JDBC URL参数解析的特殊设计。
2. 高可用性实现机制
Kyuubi通过ZooKeeper实现服务注册与发现的高可用性架构。然而,当前实现存在以下特点:
-
会话状态非持久化:Kyuubi的会话状态存储在内存中,当某个Kyuubi pod故障时,与其关联的所有会话将被标记为无效,正在执行的查询会被取消。
-
引擎进程独立性:当使用Spark集群模式(
spark.submit.deployMode=cluster
)时,Spark引擎(driver)运行在独立的pod中。此时即使Kyuubi pod故障,Spark引擎进程仍会继续运行,但客户端连接会中断,需要重新建立连接并重试查询。 -
故障转移局限性:当前架构下,Kyuubi的高可用性主要体现在服务发现层面,而非查询级别的故障转移。当一个Kyuubi实例故障时,客户端可以通过ZooKeeper自动发现其他可用实例,但无法自动恢复中断的查询。
解决方案与最佳实践
1. 正确指定引擎类型
为确保引擎类型参数生效,应采用以下JDBC URL格式:
jdbc:hive2://XXXX:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=kyuubi#kyuubi.engine.type=SPARK_SQL
注意参数必须放在#
之后,并使用双引号而非单引号包裹整个URL字符串。
2. 高可用性配置建议
-
Spark集群模式:配置
spark.submit.deployMode=cluster
确保引擎进程独立于Kyuubi服务运行。 -
客户端重试机制:在应用层实现查询重试逻辑,捕获连接异常并自动重新提交查询。
-
会话超时设置:合理配置
kyuubi.session.timeout
等参数,平衡可用性和资源利用率。
架构改进方向
从技术实现角度看,要实现真正的查询级别高可用性,Kyuubi需要在以下方面进行架构增强:
-
分布式会话状态:将会话和操作状态存储在外部持久化系统(如ZooKeeper、Redis或MySQL)中,而非内存中。
-
查询状态管理:实现查询状态的持久化和恢复机制,允许在新的Kyuubi实例上恢复中断的查询。
-
引擎连接复用:改进引擎连接管理,支持跨Kyuubi实例的引擎连接共享和接管。
总结
Kyuubi作为分布式SQL网关服务,其高可用性实现目前主要侧重于服务发现层面。在实际生产部署中,用户需要正确理解其工作机制,合理配置参数,并在客户端实现适当的容错机制。对于关键业务场景,建议结合应用层的重试逻辑来确保查询的最终完成。随着项目的持续发展,未来版本有望提供更完善的分布式会话管理和查询故障转移能力。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- 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
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-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++0118AI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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









