一种用户自定义函数的实现方法和系统

技术领域

本发明涉及计算机软件的技术领域，尤其是一种用户自定义函数的实现方法和系统。

背景技术

UDF(User Defined Function)即用户自定义函数，它接受参数、执行操作并返回该操作的结果。广义UDF是用户自定义标量函数(UDF)、用户自定义表值函数(UDTF)、及用户自定义聚合函数(UDAF)三种函数的集合，狭义UDF表示用户自定义标量函数(UDF)。

大数据业务场景下，Flink作为当前应用最为广泛的分布式计算组件，向用户提供了使用SQL发起计算请求的能力以降低不同技术领域人员的开发和使用门槛。Flink SQL自身预置了许多通用函数，可以满足大部分业务场景的数据处理需求，当这些预置函数无法支撑复杂或个性化业务实现时，用户可以参考Flink SQL预置函数的实现，自行编写代码逻辑来创建自定义函数，以扩展Flink SQL查询功能，满足多样化的大数据计算和业务分析需求。

在正式使用UDF前，通常需要由开发人员按照业务要求先在线下编辑器中分别编写Java、Scala、Python等不同语言实现的UDF源码程序，将其编译打包成jar包后与相应的Flink作业一同上传到分布式集群中提交运行。若运行失败，还需要重新经历程序修改、编译打包、提交运行等流程，步骤繁琐，调试困难，也无法实现不同技术领域的开发人员和普通用户进行协同开发的需求，极大地限制了用户调试和使用UDF的能力。

当前存在某种解决方案，可通过单独的可视化组件编辑UDF并将编译后的UDF文件存入数据库，之后该组件将UDF唯一文件标识作为目标任务的参数提交到集群运行，此方案在UDF编译和调试时期间需要频繁远程连接数据库进行UDF文件的上传和下载，增加网络开销的同时会降低调试效率，并且重复调试过程容易造成数据库存放大量无效UDF文件。另有解决方案可直接在线提交UDF源码并在运行时编译UDF，但容易造成对已验证通过的UDF重复编译问题，且不能同时支持Java、Scala、Python等通用大数据开发语言在线混合编程，无法满足普通用户和专业技术人员协同开发和调试需求。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提出了一种用户自定义函数的实现方法和系统，以解决上述技术问题。

根据本发明的一个方面，提出了一种用户自定义函数的实现方法，包括：

S1：系统服务接口接受并解析从用户提交的Flink SQL任务及UDF请求参数；

S2：响应于用户提交的UDF请求参数中仅提供UDF唯一标识，从系统缓存中获取UDF唯一标识；

响应于UDF请求参数中提供了UDF源码，根据UDF源码获取对应开发语言的解释器或编译器，将一或多个使用不同语言开发的UDF源码从文本形式动态转换为JVM对象，并向Flink SQL运行时环境注册JVM对象所指向的UDF函数；

S3：响应于成功执行UDF相关Flink SQL任务，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存。

在一些具体的实施例中，S2具体包括：

响应于UDF唯一标识已存在，继续执行S3；

响应于UDF唯一标识不存在，获取对应UDF源码，并将UDF唯一标识写入系统全局缓存，继续执行S3。

在一些具体的实施例中，UDF源码获取对应开发语言的解释器或编译器,对UDF源码进行运行时动态解析和编译，具体包括：

响应于UDF源码为Python，通过Jython将UDF源码动态解析为JVM对象；

响应于UDF源码为Scala，通过Scala Toolbox将UDF源码动态解析为JVM对象；

响应于UDF源码为Java，通过JavaCompiler动态编译UDF源码，使用类加载器将生成的Java字节码载入JVM中运行。

在一些具体的实施例中，S3中执行UDF相关Flink SQL任务具体包括以下步骤：

响应于UDF函数已存在于系统缓存中，无需重复编译和注册；

响应于UDF函数为通过解释器或编译器处理后的JVM对象，将JVM对象所指向的UDF函数注册到Flink SQL运行时环境中，注册时使用UDF唯一标识作为在Flink SQL运行时环境中供用户重复使用的UDF函数名称；

在Flink SQL运行时环境中运行用户提交的SQL作业，其中，SQL中包括一或多个使用不同开发语言实现的UDF函数。

在一些具体的实施例中，S3中将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存具体包括以下步骤：

响应于UDF参数中仅提供了UDF源码，覆盖当前Flink SQL运行时环境或持久化存储中保存的同名UDF函数，将UDF源码进行运行时动态解析或编译，并向Flink SQL运行时环境注册编译后的JVM对象；

响应于UDF参数中未提供UDF源码，且系统缓存中不存在UDF唯一标识，将UDF源码进行运行时动态解析或编译，并向Flink SQL运行时环境注册编译后的JVM对象；

提交运行Flink SQL任务，响应于Flink SQL任务执行成功，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存。

在一些具体的实施例中，UDF参数包括UDF唯一标识、UDF开发语言和UDF源码。

根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述任一项的方法。

根据本发明的第三方面，提出了一种用户自定义函数的实现系统，系统包括：

参数解析模块，配置用于接收并解析从用户提交的Flink SQL任务及UDF请求参数；

编译模块，配置用于针对不同开发语言编写的UDF源码，通过各自对应的解释器或编译器对UDF源码进行运行时动态解析和编译，生成能够在JVM环境中运行的对象；

任务执行模块，配置用于在Flink SQL运行时环境中运行用户提交的SQL作业，其中，SQL中包括一或多个使用不同开发语言实现的UDF函数；

存储模块，配置用于，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存。

在一些具体的实施例中，参数解析模块接收用户提交的Flink SQL任务请求参数，每个任务提供一或多个不同语言开发的UDF函数，每个UDF函数的参数包括UDF唯一标识、UDF开发语言和UDF源码。

在一些具体的实施例中，编译模块接收到UDF源码参数后，根据UDF开发语言类型，获取相应的解释器或编译器，对UDF源码进行运行时动态解析和编译，具体包括：

响应于UDF源码为Python，通过Jython将UDF源码动态解析为JVM对象；

响应于UDF源码为Scala，通过Scala Toolbox将UDF源码动态解析为JVM对象；

响应于UDF源码为Java，通过JavaCompiler动态编译UDF源码，使用类加载器将生成的Java字节码载入JVM中运行。

在一些具体的实施例中，任务执行模块的实现步骤包括：

响应于UDF函数已存在于系统缓存中，无需重复编译和注册；

响应于UDF函数为通过解释器或编译器处理后的JVM对象，将JVM对象所指向的UDF函数注册到Flink SQL运行时环境中，注册时使用UDF唯一标识作为在Flink SQL运行时环境中供用户重复使用的UDF函数名称；

在Flink SQL运行时环境中运行用户提交的SQL作业，其中，SQL中包括一或多个使用不同开发语言实现的UDF函数。

在一些具体的实施例中，存储模块通过系统缓存和持久化存储提高UDF复用和可重复调试能力，系统缓存采用JVM进程内缓存，持久化存储采用基于文档的NoSQL数据库。

本发明提出了一种用户自定义函数的实现方法和系统，将调试成功的UDF进行持久化保存以提高UDF复用能力，通过系统缓存机制，减少持久化存储的远程连接开销，解决UDF重复编译问题，加快调试效率，通过多语言在线混合编程方式，解决协同开发难题。

附图说明

包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例的用户自定义函数的实现方法的流程图；

图2是本申请的一个具体的用户自定义函数的实现系统的框架图；

图3是本申请的一个具体的实施例的编译模块的实现流程图；

图4是本申请的一个具体的实施例的任务执行模块的实现流程图；

图5是本申请的一个具体的实施例的存储模块的实现流程图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了根据本申请的实施例的用户自定义函数的实现方法的流程图。如图1所示，该方法包括：

S101：系统服务接口接受并解析从用户提交的Flink SQL任务及UDF请求参数。

S102：响应于用户提交的UDF请求参数中仅提供UDF唯一标识，从系统缓存中获取UDF唯一标识；

响应于UDF请求参数中提供了UDF源码，根据UDF源码获取对应开发语言的解释器或编译器，将一或多个使用不同语言开发的UDF源码从文本形式动态转换为JVM对象，并向Flink SQL运行时环境注册JVM对象所指向的UDF函数。

在具体的实施例中，响应于UDF唯一标识已存在，继续执行S103；响应于UDF唯一标识不存在，获取对应UDF源码，并将UDF唯一标识写入系统全局缓存，继续执行S103。

在具体的实施例中，UDF源码获取对应开发语言的解释器或编译器,对UDF源码进行运行时动态解析和编译：响应于UDF源码为Python，通过Jython将UDF源码动态解析为JVM对象；响应于UDF源码为Scala，通过Scala Toolbox将UDF源码动态解析为JVM对象；响应于UDF源码为Java，通过JavaCompiler动态编译UDF源码，使用类加载器将生成的Java字节码载入JVM中运行。

S103：响应于成功执行UDF相关Flink SQL任务，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存。

在具体的实施例中，执行UDF相关Flink SQL任务具体包括：响应于UDF函数已存在于系统缓存中，无需重复编译和注册；响应于UDF函数为通过解释器或编译器处理后的JVM对象，将JVM对象所指向的UDF函数注册到Flink SQL运行时环境中，注册时使用UDF唯一标识作为在Flink SQL运行时环境中供用户重复使用的UDF函数名称；在Flink SQL运行时环境中运行用户提交的SQL作业，其中，SQL中包括一或多个使用不同开发语言实现的UDF函数。

在具体的实施例中，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存具体包括：响应于UDF参数中仅提供了UDF源码，覆盖当前Flink SQL运行时环境或持久化存储中保存的同名UDF函数，将UDF源码进行运行时动态解析或编译，并向FlinkSQL运行时环境注册编译后的JVM对象；响应于UDF参数中未提供UDF源码，且系统缓存中不存在UDF唯一标识，将UDF源码进行运行时动态解析或编译，并向Flink SQL运行时环境注册编译后的JVM对象；提交运行Flink SQL任务，响应于Flink SQL任务执行成功，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存。

继续参考图2，图2示出了根据本发明的实施例的用户自定义函数的实现系统的框架图，该系统架构包括：参数解析模块，配置用于接收并解析从用户提交的Flink SQL任务及UDF请求参数；编译模块，配置用于针对不同开发语言编写的UDF源码，通过各自对应的解释器或编译器对UDF源码进行运行时动态解析和编译，生成能够在JVM环境中运行的对象；任务执行模块，配置用于在Flink SQL运行时环境中运行用户提交的SQL作业，其中，SQL中包括一或多个使用不同开发语言实现的UDF函数；存储模块，配置用于，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存。

在具体的实施例中，该系统的实现流程步骤如下：

(1)通过系统服务接口接收并解析从用户提交的Flink SQL任务及UDF相关请求参数。

(2)若用户提交的某个UDF请求参数中仅提供了UDF唯一标识而未提供UDF源码，则从系统缓存中获取UDF唯一标识：

(2.1)若UDF唯一标识已存在，表示该UDF已经在当前Flink SQL运行时环境中注册过，系统无需做任何处理就可直接调用该UDF函数进行业务处理。继续执行步骤(4)。

(2.2)若UDF唯一标识不存在，表示该UDF尚未在当前Flink SQL运行时环境中注册过，但可能存在于持久化存储系统的历史记录中，因此，系统会继续连接持久化存储系统，获取对应的UDF源码相关信息，并将UDF唯一标识写入系统全局缓存。继续执行步骤(4)。

(3)若UDF请求参数中提供了UDF源码，或者由步骤(2.2)获取到了UDF源码，则系统根据UDF源码获取对应开发语言的解释器或编译器，将一个或多个使用不同语言开发的UDF源码从文本形式动态转换成JVM对象，并向Flink SQL运行时环境注册JVM对象所指向的UDF函数。

(4)执行UDF相关Flink SQL任务以完成业务处理，若执行成功，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存，避免同一Flink SQL运行时环境中已验证通过的UDF源码被重复编译。

在具体的实施例中，系统提供RESTful对外服务接口，接收前端用户提交过来的Flink SQL任务请求参数，每个SQL任务可提供一个或多个不同语言开发的UDF函数，每个UDF函数的相关参数信息如下表1所示，此处忽略UDF无关的其他任务参数说明：

表1UDF相关参数

在具体的实施例中，编译模块主要用于针对不同开发语言编写的UDF源码，通过各自对应的解释器或编译器对UDF源码进行运行时动态解析和编译，以生成能够在JVM环境中运行的对象，以满足不同技术领域用户通过多语言在线混合编程方式实现协同开发的需要。图3示出了根据本申请的一个具体的实施例的编译模块的实现流程图，如图3所示，该流程主要包括以下步骤：

(1)编译模块接收到UDF源码相关参数后，根据UDF开发语言类型，获取相应的解释器或编译器，对UDF源码进行运行时动态解析和编译：

(1.1)若UDF源码所使用的开发语言为Python，则系统通过Jython将UDF源码动态解析为JVM对象。Jython是用Java语言编写的Python解释器和编译器，可将Python代码动态或静态编译成Java字节码，使得Python程序能够与Java无缝集成。

(1.2)若UDF源码所使用的开发语言为Scala，则系统通过Scala Toolbox将UDF源码动态解析为JVM对象。Scala Toolbox是Scala编译器模块提供的工具类，可通过反射方式动态编译和运行Scala代码。

(1.3)若UDF源码所使用的开发语言为Java，则系统通过JavaCompiler动态编译UDF源码，使用类加载器将生成的Java字节码载入JVM中运行。JavaCompiler是Java API提供的Java源码编译器，通过StandardFileManager模块可以很方便的实现针对Java源码的动态编译。

继续参考图4，图4示出了根据本申请的一个具体的实施例的任务执行模块的实现流程图，如图4所示，该流程主要包括以下步骤：

(1)任务执行模块首先判断UDF来源：

(1.1)如果UDF已存在于系统缓存中，则表示该UDF已经在当前Flink SQL运行时环境中注册过，无需重复编译和注册。

(1.2)如果UDF是通过编译模块中的解释器和编译器处理后的JVM对象，则系统需要将JVM对象所指向的UDF函数注册到Flink SQL运行时环境中。注册时，使用UDF唯一标识作为可在Flink SQL运行时环境中供各类用户重复使用的UDF函数名称。

(2)在Flink SQL运行时环境中运行用户提交的SQL作业，SQL中可包含一个或多个使用不同开发语言实现的UDF函数，完成业务处理。

在具体的实施例中，存储模块通过系统缓存和持久化存储以提高UDF复用和可重复调试能力。为减少不必要的系统开销，可采用JVM进程内缓存作为系统缓存，使用基于文档的NoSQL数据库作为UDF持久化存储系统。图5示出了根据本发明的实施例的存储模块的实现流程图，如图5所示，该流程主要包括以下步骤：

(1)存储模块判断UDF参数中是否只提供了UDF唯一标识而没有提供UDF源码：

(1.1)若UDF参数中提供了UDF源码，说明前端用户对UDF源码进行了更改，需要覆盖当前Flink SQL运行时环境或持久化存储中保存的同名UDF函数。进入编译模块，将UDF源码进行运行时动态解析或编译，并向Flink SQL运行时环境注册编译后的JVM对象。继续执行步骤(3)。

(1.2)若UDF参数中未提供UDF源码，说明该UDF源码已经在历史调试过程中得到了验证并得到了持久化存储。继续执行步骤(2)。

(2)判断系统缓存中是否已存在UDF唯一标识：

(2.1)若系统缓存中已存在UDF唯一标识，说明该UDF已经在当前Flink SQL运行时环境中注册过并且得到了验证。

(2.2)若系统缓存中不存在UDF唯一标识，说明该UDF可能以源码方式存放于持久化存储系统中。从持久化存储系统中获取UDF源码信息。进入编译模块，将UDF源码进行运行时动态解析或编译，并向Flink SQL运行时环境注册编译后的JVM对象。

(3)进入任务执行模块提交运行Flink SQL任务，以验证UDF业务处理能力。若SQL任务执行成功，则将UDF源码相关信息写入持久化存储系统，并将UDF唯一标识写入系统缓存。

本申请的用户自定义函数的实现方法和系统通过将调试成功的UDF进行持久化保存，可以提高UDF复用能力，通过系统缓存机制，可以减少持久化存储的远程连接开销，解决UDF重复编译问题，加快调试效率，通过多语言在线混合编程方式，可以解决不同技术领域的研发人员和普通用户协同开发难题。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。

作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：系统服务接口接受并解析从用户提交的Flink SQL任务及UDF请求参数；响应于用户提交的UDF请求参数中仅提供UDF唯一标识，从系统缓存中获取UDF唯一标识；响应于UDF请求参数中提供了UDF源码，根据UDF源码获取对应开发语言的解释器或编译器，将一或多个使用不同语言开发的UDF源码从文本形式动态转换为JVM对象，并向Flink SQL运行时环境注册JVM对象所指向的UDF函数；响应于成功执行UDF相关Flink SQL任务，将UDF源码相关信息进行持久化存储，同时将UDF唯一标识写入系统缓存。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。