Hive-技术补充-初识ANTLR

news2025/1/11 12:48:28

一、背景

要清晰的理解一条Hql是如何编译成MapReduce任务的，就必须要学习ANTLR。下面是ANTLR的官方网址，下面让我们一起来跟着官网学习吧，在学习的过程中我参考了《antlr4权威指南》，你也可以读下这本书，一定会对你有所帮助。

https://www.antlr.org/

二、ANTLR是什么

ANTL是由谷歌的技术负责人Terence Parr研发的，他之前是旧金山大学的数据科学/计算机科学教授。

ANTLR（ANother Tool for Language Recognition）是一个强大的语法分析器生成器，用于读取、处理、执行或翻译结构化文本或二进制文件。它被广泛用于构建语言、工具和框架。根据语法，ANTLR生成了一个可以构建和遍历解析树的解析器。

Hive、Pig、Oracle的 IDE及其迁移工具、NetBeans IDE、Hibernate中都使用到了ANTLR。

ANTLR是java世界实现编译器的不二之选

回想下你用java、c++、python等等语言编写的程序是怎么让计算机运行的，

比如c:

编写源文件xxx.c ----预处理--->xxx.i---编译--->xxx.s---汇编--->xxx.o---链接--->可执行文件

比如java:

编写源文件xxx.java---编译--->字节码文件xxx.class---解释--->---运行--->

你会发现它们都需要经过编译阶段，我们只需要按照每种语言的语法编写即可，那么编译器都做了什么呢？

扫描、语法分析、语义分析、源代码优化、代码生成和目标代码优化

Hive中的hql是一种语言，也需要被编译分析，而ANTLR就是来做这件事情的

三、安装ANTLR

1、安装jdk

比较简单，我的这篇博客<CDH6.3.1离线安装>中有涉及

2、下载ANTLR

https://www.antlr.org/download/antlr-4.13.1-complete.jar

把jar包放到/usr/local/lib下并配置环境变量

vi /etc/profile

export CLASSPATH=".:/usr/local/lib/antlr-4.13.1-complete.jar"

source /etc/profile

注意，该版本的ANTLR的class版本是55.0，对应要安装jdk11

3、验证是否正常

4、做个别名

vi ~/.bash_profile

alias antlr4='java -jar /usr/local/lib/antlr-4.13.1-complete.jar'

source ~/.bash_profile

四、ANTLR的hello world

1、编写语法规则文件

vi HelloWorld.g4

grammar HelloWorld;       //定义一个名为HelloWord的语法
r :'helloworld' ID;   //匹配一个关键词hello_word和一个紧随其后的标识符
ID :[a-z]+;               //匹配小写字母组成的标识符
WS :[ \t\r\n]+ -> skip; //或略空格、Tab、换行符

2、生成词法分析器和语法分析器

antlr4 HelloWorld.g4

先编译生成的java文件

javac *.java

HelloWorldLexer.java 和 HelloWorldParser.java 组成了可以运行的语法识别程序，不过我们还缺少一个main方法来触发这个程序，幸运的是ANTLR为我们提供了一个TestRig的调试程序，它使用java的反射机制来调用编译后的识别程序。为了方便使用，我们给它起个别名

vi ~/.bash_profile

alias grun='java org.antlr.v4.runtime.misc.TestRig'

source ~/.bash_profile

3、测试词法分析器和语法分析器

grun HelloWorld r -tokens

grun HelloWorld r -tokens //使用HelloWorld和r规则启动TestRig

hello world hi //输入要识别的语句输入EOF或者linux按Ctrl+D结束

//以下都是grun的输出的词法符号列表

[@0,0:4='hello',<ID>,1:0] //@0表示 hello 位于第1个位置字符索引范围是0:4，1行0位置
[@1,6:10='world',<ID>,1:6] //world 位于第2个位置字符索引范围是6:10，1行6位置
[@2,12:13='hi',<ID>,1:12] //hi 位于第3个位置字符索引范围是12:13，1行12位置
[@3,15:14='<EOF>',<EOF>,2:0] //EOF 位于第4个位置字符索引范围是15:14，2行0位置
line 1:0 missing 'hello_word' at 'hello'

还可以增加 -tree参数以LISP的格式打印语法分析树

grun HelloWorld r -tokens -tree