上篇博客讲了Drill 1.20配置Hive3存储插件，过程还是有点折腾的。
配置完后，我顺便配了下Mysql存储插件，这个就很简单了。
把mysql连接器程序放到drill的classpath下，然后启动drill-embedded，打开web UI，在默认的mysql插件那里，修改如下几个值：
"url": "jdbc:mysql://localhost:3306",
"username": "spark",
"password": "spark123",也就是访问Mysql的相关凭证。改完后再在web UI里激活这个插件即可。
我们回到drill shell，可以如下访问Mysql的内容：
apache drill (mysql.spark)> use mysql.spark;
+------+-----------------------------------------+
| ok | summary |
+------+-----------------------------------------+
| true | Default schema changed to [mysql.spark] |
+------+-----------------------------------------+
1 row selected (0.1 seconds)
apache drill (mysql.spark)> show tables;
+--------------+---------------------------+
| TABLE_SCHEMA | TABLE_NAME |
+--------------+---------------------------+
| mysql.spark | AUX_TABLE |
| mysql.spark | BUCKETING_COLS |这是一个简单的select:
apache drill (mysql.spark)> select name,sum(number) as dd from fruit group by name order by dd desc limit 10;
+-----------+-----+
| name | dd |
+-----------+-----+
| blueberry | 166 |
| cumquat | 145 |
| lemon | 145 |
| areca nut | 139 |
| haw | 137 |
| greengage | 134 |
| banana | 134 |
| raspberry | 133 |
| longan | 132 |
| nectarine | 128 |
+-----------+-----+
10 rows selected (0.155 seconds)这看起来怪怪的，在drill里去对Mysql执行SQL查询。殊不知Mysql才是这个领域的王者，它的SQL性能无与伦比。同样对上述查询，Mysql的时间永远是0秒。
mysql> select name,sum(number) as dd from fruit group by name order by dd desc limit 10;
+-----------+------+
| name | dd |
+-----------+------+
| blueberry | 166 |
| cumquat | 145 |
| lemon | 145 |
| areca nut | 139 |
| haw | 137 |
| banana | 134 |
| greengage | 134 |
| raspberry | 133 |
| longan | 132 |
| nectarine | 128 |
+-----------+------+
10 rows in set (0.00 sec)要论SQL引擎的性能，Mysql经过这么多年的发展，其查询性能绝对领先于一堆的大数据SQL引擎。什么Spark, Hive, Drill, Impala，在非海量数据的场景下，查询性能都比不上Mysql。
Drill这里整合了Mysql的查询，当然不是没有用处。比如，它可以做多数据源的跨表联合查询。左边是Mysql表，右边是Hive表，再join起来查询，这个在某些场景下，就比较有用了。