首页
/ Kyuubi项目中查询状态提前返回但作业仍在执行的问题分析

Kyuubi项目中查询状态提前返回但作业仍在执行的问题分析

2025-07-03 14:38:23作者:廉彬冶Miranda

Apache Kyuubi是一个开源的分布式SQL引擎,为用户提供了统一的JDBC/ODBC接口来访问不同的计算引擎。在实际生产环境中,用户报告了一个重要问题:当通过Kyuubi提交查询到Spark时,Kyuubi会快速返回查询完成状态(FINISH_STATE),但实际上Spark作业仍在继续执行。

问题现象

用户在使用Kyuubi 1.8.0至1.9.0版本与Spark 3.4.2组合时,发现特定类型的SQL查询会出现状态不一致的情况。具体表现为:

  1. 执行包含空表与大表连接的查询时
  2. Kyuubi在几秒内返回FINISHED状态
  3. 但Spark UI显示相关作业仍在运行,持续占用集群资源
  4. 手动取消操作后,作业才会真正停止

问题复现与定位

通过分析用户提供的复现案例,可以确定问题出现的典型场景是:当查询中包含一个空表(0行)与大表(数亿行)的连接操作时,Kyuubi会过早地认为查询已完成。

技术团队尝试复现该问题,发现关键在于:

  1. 查询必须包含连接操作
  2. 其中一侧的表必须是空表
  3. 另一侧的表数据量需要足够大
  4. 使用Spark自适应查询执行(AQE)特性

技术原理分析

深入分析该问题的技术原理:

  1. Spark查询优化机制:当Spark检测到连接操作的一侧为空表时,会优化掉整个连接操作,直接返回空结果。这是Spark的合理优化行为。

  2. 状态报告机制:Kyuubi基于Spark的作业状态来判断查询状态。当Spark优化掉主要操作后,Kyuubi会立即收到完成信号。

  3. 资源释放问题:虽然主查询逻辑已被优化,但Spark仍可能继续执行另一侧表的计算任务,这些任务实际上已无意义但仍占用资源。

  4. API差异:通过REST API提交的查询比通过Beeline提交的查询更容易出现此问题,这与会话生命周期管理有关。

解决方案

针对这一问题,社区提出了以下解决方案:

  1. 主动取消机制:在查询逻辑完成后,主动取消剩余的Spark作业。这需要修改Kyuubi核心代码,在适当位置调用SparkContext的cancelJobGroup方法。

  2. 会话生命周期管理:确保通过REST API创建的会话能够正确关闭,释放所有相关资源。

  3. 用户侧临时方案:在应用代码中,当收到FINISHED状态后,手动关闭操作以释放资源。

最佳实践建议

基于这一问题的分析,建议用户:

  1. 对于生产环境,考虑升级到包含修复的Kyuubi版本

  2. 在编写SQL时,对于可能产生空结果的子查询,添加适当的过滤条件

  3. 监控长时间运行的Spark作业,及时发现并处理异常情况

  4. 在使用REST API时,确保正确处理会话和操作的生命周期

这一问题的解决不仅修复了特定场景下的行为异常,也完善了Kyuubi与Spark集成的健壮性,为大规模数据处理提供了更可靠的保障。

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