如何为 Databend 添加新的系统表

2023-05-06
福建
本文字数：2760 字
阅读完需：约 9 分钟

作者：尚卓燃（PsiACE）澳门科技大学在读硕士，Databend 研发工程师实习生 Apache OpenDAL(Incubating) Committerhttps://github.com/PsiACE

Databend 的绝大部分系统表都位于 query/storage 这个目录下，当然，如果因为一些特殊的构建原因无法放在这个位置的话，也可以考虑临时放到 service/databases/system 这个目录（不推荐）。

系统表的定义主要关注两个内容：一个是表的信息，会包含表名、Schema 这些；另一个就是表中数据的生成/获取。刚好可以对应到 SyncSystemTable 和 AsyncSystemTable 这两个 Trait 中的 get_table_info 和 get_full_data 。到底是同步还是异步，取决于在获取数据时，是否涉及到异步函数的调用。

实现

本文将会以 credits 表的实现为例，介绍 Databend 系统表的实现，代码位于 https://github.com/datafuselabs/databend/blob/main/src/query/storages/system/src/credits_table.rs 。credits 会返回 Databend 所用到的上游依赖的信息，包括名字、版本和许可三个字段。

首先，需要参考其他系统表的实现，去定义表对应的结构，只需要保有表信息的字段就可以了。

pub struct CreditsTable {    table_info: TableInfo,}

复制代码

接下来是为 CreditsTable 表实现 create 方法，对应的函数签名如下：

pub fn create(table_id: u64) -> Arc<dyn Table>

复制代码

传入的 table_id 会在创建表时由 sys_db_meta.next_table_id() 生成。

schema 用于描述表的结构，需要使用 TableSchemaRefExt 和 TableField 来创建，字段名字和类型取决于表中的数据。

let schema = TableSchemaRefExt::create(vec![    TableField::new("name", TableDataType::String),    TableField::new("version", TableDataType::String),    TableField::new("license", TableDataType::String),]);

复制代码

对于字符串类数据，可以使用 TableDataType::String ，其他基础类型也类似。但如果你需要允许字段中存在空值，比如字段是可以为空的 64 位无符号整数，则可以使用 TableDataType::Nullable(Box::new(TableDataType::Number(NumberDataType::UInt64))) 的方式，TableDataType::Nullable 表示允许空值，TableDataType::Number(NumberDataType::UInt64) 表征类型是 64 位无符号整数。

接下来就是定义表的信息，基本上只需要依葫芦画瓢，把描述、表名、元数据填上就好。

let table_info = TableInfo {    desc: "'system'.'credits'".to_string(),    name: "credits".to_string(),    ident: TableIdent::new(table_id, 0),    meta: TableMeta {        schema,        engine: "SystemCredits".to_string(),        ..Default::default()    },   ..Default::default()};
SyncOneBlockSystemTable::create(CreditsTable { table_info })

复制代码

对于同步类型的表往往使用 SyncOneBlockSystemTable 创建，异步类型的则使用 AsyncOneBlockSystemTable 。

接下来，则是实现 SyncSystemTable ，SyncSystemTable 除了需要定义 NAME 之外，还需要实现 4 个函数 get_table_info 、get_full_data、get_partitions 和 truncate ，由于后两个有默认实现，大多数时候不需要考虑实现自己的。（AsyncSystemTable 类似，只是没有 truncate ）

NAME 的值遵循 system.<name> 的格式。

const NAME: &'static str = "system.credits";

复制代码

get_table_info 只需要返回结构体中的表信息。

fn get_table_info(&self) -> &TableInfo {    &self.table_info}

复制代码

get_full_data 是相对重要的部分，因为每个表的逻辑都不太一样，credits 的三个字段基本类似，就只举 license 字段为例。

let licenses: Vec<Vec<u8>> = env!("DATABEND_CREDITS_LICENSES")    .split_terminator(',')    .map(|x| x.trim().as_bytes().to_vec())    .collect();

复制代码

license 字段的信息是从名为 DATABEND_CREDITS_LICENSES 的环境变量（参见 common-building）获取的，每条数据都用 , 进行分隔。

字符串类型的列最后是从 Vec<Vec<u8>> 转化过来，其中字符串需要转化为 Vec<u8> ，所以在迭代的时候使用 .as_bytes().to_vec() 做了处理。

在获取所有数据后，就可以按 DataBlock 的形式返回表中的数据。非空类型，使用 from_data ，可空类型使用 from_opt_data 。

Ok(DataBlock::new_from_columns(vec![    StringType::from_data(names),    StringType::from_data(versions),    StringType::from_data(licenses),]))

复制代码

最后，要想将其集成到 Databend 中，还需要编辑 src/query/service/src/databases/system/system_database.rs，将其注册到 SystemDatabase 中。

impl SystemDatabase {    pub fn create(sys_db_meta: &mut InMemoryMetas, config: &Config) -> Self {    ...        CreditsTable::create(sys_db_meta.next_table_id()),    ...    }}

复制代码

测试

系统表的相关测试目前仍然位于 src/query/service/tests/it/storages/system.rs 。

对于内容不会经常动态变化的表，可以使用 Golden File 测试，其运行逻辑是将对应的表写入指定的文件中，然后对比每次测试时文件内容是否发生变化。

#[tokio::test(flavor = "multi_thread")]async fn test_columns_table() -> Result<()> {    let (_guard, ctx) = crate::tests::create_query_context().await?;
    let mut mint = Mint::new("tests/it/storages/testdata");    let file = &mut mint.new_goldenfile("columns_table.txt").unwrap();    let table = ColumnsTable::create(1);
    run_table_tests(file, ctx, table).await?;    Ok(())}

复制代码

对于内容可能会变化的表，目前缺乏充分的测试手段。可以选择测试其中模式相对固定的部分，比如行和列的数目；也可以验证输出中是否包含特定的内容。


#[tokio::test(flavor = "multi_thread")]async fn test_metrics_table() -> Result<()> {  ...    let result = stream.try_collect::<Vec<_>>().await?;    let block = &result[0];    assert_eq!(block.num_columns(), 4);    assert!(block.num_rows() >= 1);
    let output = pretty_format_blocks(result.as_slice())?;    assert!(output.contains("test_test_metrics_table_count"));    #[cfg(feature = "enable_histogram")]    assert!(output.contains("test_test_metrics_table_histogram"));
    Ok(())}