SparkSQL从2.0开始已经不再支持ALTER TABLE table_name ADD COLUMNS (col_name data_type [COMMENT col_comment], ...)这种语法了（下文简称add columns语法）。如果你的Spark项目中用到了SparkSQL+Hive这种模式，从Spark1.x升级到2.x很有可能遇到这个问题。
为了解决这个问题，我们一般有3种方案可以选择：
- 启动一个hiveserver2服务，通过jdbc直接调用hive，让hive执行add columns语句。这种应该是改起来最为方便的一种方式了，缺点就是，我们还需要在启动一个hiveserver服务，多一个服务依赖，会增加整个系统的维护成本。
- SparkSQL+Hive这种模式，要求我们启动一个HiveMetastore服务，给SparkSQL用，我们也可以在代码中直接直接连接HiveMetastore去执行add columns语句。这种方式的好处是不需要额外依赖其他服务，缺点就是我们要自己调用HiveMetastore相关接口，自己管理SessionState，用起来比较麻烦。
- 最后一种方式就是直接修改Spark，让他支持add columns语法。这种方式最大的好处就是我们原有的业务逻辑代码不用动，问题就在于，要求对Spark源码有一定的了解，否则改起来还是挺费劲的。这也是我写这篇文章的目的：让大家能够参考本文自行为Spark添加add columns语法支持。
OK，接下来，我们进入主题。
为Spark添加add columns语法支持
本文基于最新版的Spark 2.1.0，源码地址：
1. 改进语法定义
Spark2.1开始使用ANTLR来解析SQL语法，它的语法定义文件借鉴的项目，我们在Spark源码中找到这个文件sql/catalyst/src/main/antlr4/org/apache/spark/sql/catalyst/parser/SqlBase.g4，做如下改动：
@@ -127,6 +127,8 @@ statement ('(' key=tablePropertyKey ')')? #showTblProperties | SHOW COLUMNS (FROM | IN) tableIdentifier ((FROM | IN) db=identifier)? #showColumns+ | ALTER TABLE tableIdentifier ADD COLUMNS+ ('(' columns=colTypeList ')')? #addColumns | SHOW PARTITIONS tableIdentifier partitionSpec? #showPartitions | SHOW identifier? FUNCTIONS (LIKE? (qualifiedName | pattern=STRING))? #showFunctions@@ -191,7 +193,6 @@ unsupportedHiveNativeCommands | kw1=ALTER kw2=TABLE tableIdentifier partitionSpec? kw3=COMPACT | kw1=ALTER kw2=TABLE tableIdentifier partitionSpec? kw3=CONCATENATE | kw1=ALTER kw2=TABLE tableIdentifier partitionSpec? kw3=SET kw4=FILEFORMAT- | kw1=ALTER kw2=TABLE tableIdentifier partitionSpec? kw3=ADD kw4=COLUMNS | kw1=ALTER kw2=TABLE tableIdentifier partitionSpec? kw3=CHANGE kw4=COLUMN? | kw1=ALTER kw2=TABLE tableIdentifier partitionSpec? kw3=REPLACE kw4=COLUMNS | kw1=START kw2=TRANSACTION 194行的kw1=ALTER kw2=TABLE tableIdentifier partitionSpec? kw3=ADD kw4=COLUMNS是在unsupportedHiveNativeCommands列表中，我们首先把它去掉。
为了让Spark能解析ALTER TABLE table_name ADD COLUMNS (col_name data_type [COMMENT col_comment], ...)，我们还需要在129行处新增| ALTER TABLE tableIdentifier ADD COLUMNS ('(' columns=colTypeList ')')? #addColumns最后的#addColumns是为了让ANTLR插件（这个插件定义在sql/catalyst/pom.xml中）为我们自动生成addColumns相关方法，便于我们做语法解析处理。这个语法中有2个参数需要我们处理table_name和columns。
2. 改进SparkSqlAstBuilder，使其能处理addColumns
SparkSqlAstBuilder的作用是将ANTLR的语法树翻译为LogicalPlan/Expression/TableIdentifier
要修改的文件为：sql/core/src/main/scala/org/apache/spark/sql/execution/SparkSqlParser.scala，我们在178行处，新增如下方法：
override def visitAddColumns(ctx: AddColumnsContext): LogicalPlan = withOrigin(ctx) { val tableName = visitTableIdentifier(ctx.tableIdentifier()) val dataCols = Option(ctx.columns).map(visitColTypeList).getOrElse(Nil) AlterTableAddColumnsCommand(tableName, dataCols)} visitAddColumns方法是ANTLR插件自动为我们生成的方法，定义在SparkSqlAstBuilder的父类AstBuilder中（AST，Abstract Syntax Tree ，抽象语法树），这个方法用来处理我们在SqlBase.g4中定义的| ALTER TABLE tableIdentifier ADD COLUMNS ('(' columns=colTypeList ')')? #addColumns，我们这里重载了visitAddColumns方法用来提取表名及新增的字段列表，并返回一个LogicalPlan：AlterTableAddColumnsCommand，这个类我们接下来会说明。
3. 新增一个为表添加字段的命令
修改sql/core/src/main/scala/org/apache/spark/sql/execution/command/tables.scala，在120行处，新增AlterTableAddColumnsCommand类：
case class AlterTableAddColumnsCommand( tableName: TableIdentifier, newColumns: Seq[StructField]) extends RunnableCommand { override def run(sparkSession: SparkSession): Seq[Row] = { val catalog = sparkSession.sessionState.catalog val table = catalog.getTableMetadata(tableName) DDLUtils.verifyAlterTableType(catalog, table, isView = false) val newSchema = StructType(table.schema.fields ++ newColumns) val newTable = table.copy(schema = newSchema) catalog.alterTable(newTable) Seq.empty[Row] }} RunnableCommand类继承自LogicalPlan，run方法用于执行addColumns语法对应的执行逻辑。这个类的处理逻辑比较简单，就不详细介绍了。
4. 修复HiveExternalCatalog无法修改表schema的问题
我们在第3步的AlterTableAddColumnsCommand中，虽然调用了catalog.alterTable(newTable)来修改表信息，但实际上并不能将新的字段添加到表中，因为Spark代码写死了，不能改Hive表的schema，我们还需要修改HiveExternalCatalog类（sql/hive/src/main/scala/org/apache/spark/sql/hive/HiveExternalCatalog.scala），改动如下：
@@ -588,7 +588,8 @@ private[spark] class HiveExternalCatalog(conf: SparkConf, hadoopConf: Configurat val newTableProps = oldDataSourceProps ++ withStatsProps.properties + partitionProviderProp val newDef = withStatsProps.copy( storage = newStorage,- schema = oldTableDef.schema,+ // allow `alter table xxx add columns(xx)`+ schema = tableDefinition.schema, partitionColumnNames = oldTableDef.partitionColumnNames, bucketSpec = oldTableDef.bucketSpec, properties = newTableProps)
我们将591行的schema = oldTableDef.schema替换为schema = tableDefinition.schema即可。
至此，我们完成了整个代码的调整。
最后参考Spark的编译文档：，将Spark编译打包即可。
Spark 2.x会将编译后的assembly放到jars目录下，我们这次的改动会影响到以下几个jar包：
- spark-catalyst_2.11-2.1.0.jar
- spark-sql_2.11-2.1.0.jar
- spark-hive_2.11-2.1.0.jar
如果Spark已经部署过了，可以直接将以上3个jar替换掉。
更新Spark后，我们就可以使用alter table xxx add columns(xx)了。