cloudera impala 中的多个查询执行答案

【问题标题】：Multiple query execution in cloudera impalacloudera impala 中的多个查询执行
【发布时间】：2013-07-08 04:52:03
【问题描述】：

是否可以在 impala 中同时执行多个查询？如果是，impala 是如何处理的？

【问题讨论】：

标签： cloudera impala

【解决方案1】：

我当然会自己做一些测试，但我无法执行多个查询：我正在使用 Impala 连接，并从 .sql 文件中读取查询。这适用于单个命令。

from impala.dbapi import connect
# actual server and port changed for this post for security
conn=connect(host='impala server', port=11111,auth_mechanism="GSSAPI")
cursor = conn.cursor()
cursor.execute((open("sandbox/z_temp.sql").read()))

这是我收到的错误。

 HiveServer2Error: AnalysisException: Syntax error in line 2:

这就是 .sql 文件中 SQL 的样子。

Select * FROM database1.table1;
Select * FROM database1.table2;

我能够使用单独的 .sql 文件中的 SQL 命令运行多个命令，迭代指定文件夹中的所有 .sql 文件。

#Create list of file names for recon .sql files this will be sorted
#Numbers at begining of filename are important to sort so that files will be executed in correct order

file_names = glob.glob('folder/.sql')

asc_names = sorted(file_names, reverse = False)
filename = ""
for file_name in asc_names:
  str_filename = str(file_name)
  print(filename)
  query = (open(str_filename).read())

  cursor = conn.cursor()

# creates an error log dataframe to print, or write to file at end of job.

  try:
# Each SQL command must be executed seperately
    cursor.execute(query)
    df_id= pd.DataFrame([{'test_name': str_filename[-40:], 'test_status': 'PASS'}])
    df_log = df_log.append(df_id, ignore_index=True)

  except:
    df_id= pd.DataFrame([{'test_name': str_filename[-40:], 'test_status': 'FAIL'}])
    df_log = df_log.append(df_id, ignore_index=True)
    continue

另一种方法是将所有 SQL 语句放在一个 .sql 文件中，用 ; 分隔。然后循环通过 .sql 文件拆分语句；一次运行一个。

from impala.dbapi import connect
from impala.util import as_pandas

conn=connect(host='impalaserver', port=11111, auth_mechanism='GSSAPI')
cursor = conn.cursor()

# split SQL statements from one file seperated by ';', Note: last command will not have semicolon at end.

sql_file = open("sandbox/temp.sql").read()
sql = sql_file.split(';')
for cmd in sql:
# This gets rid of the non printing characters you may have
      cmd = cmd.replace('/r','')
      cmd = cmd.replace('/n','')
# This runs your SQL commands one at a time.
      cursor.execute(cmd)
  print(cmd)

【讨论】：

【解决方案2】：

Impala 可以同时执行多个查询，只要它没有达到内存上限。

【讨论】：

【解决方案3】：

您可以发出类似impala-shell -f <<file_name>> 的命令，其中文件有多个查询，每个完整的查询用分号 (;) 分隔

【讨论】：

【解决方案4】：

如果您是 python 极客，您甚至可以尝试使用 impyla 包来创建多个连接并一次运行所有查询。

pip install impyla

【讨论】：

我不认为 impyla 可以在同一个执行调用中执行多个语句。它使用 dbapi 标准，该标准不允许单次执行中的多个语句。如果您能够使用 impyla 执行此操作，请告诉我。