Spark SQL CLI
스파크 SQL 쿼리를 실행하는 쉬운 방법은 spark-sql CLI이다. 스파크 SQL CLI는 Hive 메타스토어와 서비스와 통신하는 대신 Thrift JDBC 서버와 통신할 수 없다.
Hive 설치
진행하기 전에 Hive가 설치되어 있지 않아서 설치해야 했다.
설치 과정은 [Hive] virtual box linux [ubuntu 18.04]에 하이브 설치,다운로드 4.ubuntu 에 Hive(하이브) 다운로드 게시글을 참고했다.
- 브라우저 또는 curl, wget 등 명령어를 통해 압축 파일을 내려받는다.
wget https://dlcdn.apache.org/hive/hive-4.0.1/apache-hive-4.0.1-bin.tar.gz- 압축 해제 프로그램을 사용하거나, 터미널에서 아래 명령어를 입력하여 압축 해제한다.
tar zxvf apache-hive-4.0.1-bin.tar.gz- Hive 경로에 접근하기 위해
~/.zshrc에 환경변수를 설정한다.
export HIVE_HOME=/Users/{username}/hive-4.0.1
export PATH=$PATH:$HIVE_HOME/bin- 변경 사항을 적용하기 위해 터미널을 재시작하거나 아래 명령어를 실행한다.
source ~/.zshrc$HIVE_HOME/bin/hive-config.sh파일에 HDFS 경로를 추가한다.
export HADOOP_HOME=/Users/{username}/hadoop-3.4.0- HDFS에 Hive 디렉터리를 생성한다.
$HADOOP_HOME/sbin/start-all.shhdfs dfs -mkdir /tmp
hdfs dfs -chmod g+w /tmphdfs dfs -mkdir -p /user/hive/warehouse
hdfs dfs -chmod g+w /user/hive/warehouse% hdfs dfs -ls /
drwxrwxr-x - user supergroup 0 2025-07-12 10:08 /tmp
drwxr-xr-x - user supergroup 0 2025-07-12 10:08 /user$HIVE_HOME/conf/hive-site.xml파일에 아래 속성을 맨 윗부분에 추가한다. 파일이 없을 경우 동일한 경로의hive-default.xml.template파일을hive-site.xml이름의 파일로 복사한다.
<property>
<name>system:java.io.tmpdir</name>
<value>/tmp/hive/java</value>
</property>
<property>
<name>system:user.name</name>
<value>${user.name}</value>
</property>- Derby DB를 시작한다. 오류가 발생할 경우 참고한 게시글을 확인해볼 수 있다.
$HIVE_HOME/bin/schematool -initSchema -dbType derbyInitializing the schema to: 4.0.0
Metastore connection URL: jdbc:derby:;databaseName=metastore_db;create=true
Metastore connection Driver : org.apache.derby.jdbc.EmbeddedDriver
Metastore connection User: APP
Starting metastore schema initialization to 4.0.0
Initialization script hive-schema-4.0.0.derby.sql
...
Initialization script completed- Hive CLI를 시작해본다.
$HIVE_HOME/bin/hiveBeeline version 4.0.1 by Apache Hive
beeline> - Hive 메타스토어 서버를 실행한다.
hive --service metastore &hive-site.xml 편집하기
Hive Tables 공식문서에 따르면, Spark SQL로 Hive에 저장된 데이터에 액세스하려면 hive-site.xml, core-site.xml, hdfs-site.xml 파일들을 $SPARK_HOME/conf/ 경로에 배치해야 한다.
그런데 위 파일들을 복사한 후 spark-sql 을 실행하니까 WARN HiveConf 메시지가 460줄이나 발생했다.
25/07/12 11:00:36 WARN HiveConf: HiveConf of name hive.repl.dump.metadata.only.for.external.table does not exist
25/07/12 11:00:36 WARN HiveConf: HiveConf of name hive.druid.rollup does not exist
25/07/12 11:00:36 WARN HiveConf: HiveConf of name hive.repl.retain.prev.dump.dir does not exist
...단순히 Hive 경로에서 $SPARK_HOME/conf/ 경로로 hive-site.xml 파일을 복사했는데, Spark가 사용하지 않는 속성들이 들어있어서 이러한 메시지가 발생했다.
실제 동작에는 영향을 주지 않지만 spark-sql 을 실행할 때마다 이런 메시지를 볼 수는 없어서 hive-site.xml 파일에서 문제되는 속성들을 전부 삭제했다.
속성을 하나씩 삭제하기에는 너무 많아서 파이썬 코드를 사용해 hive-site.xml 파일을 수정했다. properties 변수에 문제되는 속성의 이름에 대한 문자열 리스트를 할당하고 코드를 실행한다.
import xml.etree.ElementTree as ET
import os
SPARK_HOME = os.environ.get("SPARK_HOME")
properties = [] # 제거하고 싶은 속성 이름 리스트
tree = ET.parse(f"{SPARK_HOME}/conf/hive-site.xml")
root = tree.getroot()
targets = [] # 삭제 대상 property 수집
for prop in root.findall("property"):
name = prop.find("name")
if (name is not None) and (name.text in properties):
targets.append(prop)
for prop in targets:
root.remove(prop) # 속성 삭제
tree.write(f"{SPARK_HOME}/conf/hive-site.cleaned.xml", encoding="utf-8", xml_declaration=True)생성된 hive-site.cleaned.xml 내용을 확인하고 hive-site.xml 로 바꿔준다.
spark-sql
$SPARK_HOME/bin/spark-sql 스크립트를 실행해 스파크 SQL CLI를 시작한다.
$SPARK_HOME/bin/spark-sql셸을 시작하면 스파크 SQL 쿼리를 대화 형식으로 수행할 수 있다. --help 옵션을 통해 아래와 같은 CLI 옵션을 확인할 수 있다.
CLI options:
-d,--define <key=value> Hive 쿼리에서 사용할 변수(key)와 값(value)을 지정
--database <databasename> 사용할 데이터베이스 지정
-e <quoted-query-string> 명령어 입력창에서 직접 SQL 쿼리를 실행할 때 사용
-f <filename> SQL 쿼리가 작성된 파일을 실행할 때 사용
-H,--help 도움말 제공
--hiveconf <property=value> Hive 설정값을 지정할 때 사용
--hivevar <key=value> Hive 쿼리에서 사용할 변수(key)와 값(value)을 지정
-i <filename> CLI 실행 시 먼저 실행될 쿼리 파일 제공
-S,--silent 대화형 셸에서 결과만 출력하고 기타 정보는 무시
-v,--verbose SQL 쿼리문을 콘솔에 출력스파크 SQL 테이블을 생성하려면 다음 쿼리를 실행한다.
spark-sql (default)> CREATE TABLE people (name STRING, age INT);
Time taken: 0.685 seconds테이블이 생성되었는지 확인한다.
spark-sql (default)> SHOW TABLES;
people
Time taken: 0.239 seconds, Fetched 1 row(s)테이블을 생성하고 테이블에 데이터를 삽입한다.
spark-sql (default)> INSERT INTO people VALUES ("Michael", NULL);
Time taken: 1.728 seconds
spark-sql (default)> INSERT INTO people VALUES ("Andy", 30);
Time taken: 0.601 seconds
spark-sql (default)> INSERT INTO people VALUES ("Samantha", 19);
Time taken: 0.149 seconds테이블에서 20세 미만의 사람들이 몇 명인지 확인해본다.
spark-sql (default)> SELECT * FROM people WHERE age < 20;
Samantha 19
Time taken: 0.285 seconds, Fetched 1 row(s)비라인 작업
비라인은 SQLLine CLI를 기반으로 하는 JDBC 클라이언트다. 동일한 유틸리티를 사용해 스파크 쓰리프트 서버에 대해 스파크 SQL 쿼리를 실행할 수 있다.
스파크 쓰리프트 JDBC/ODBC 서버를 시작하려면 $SPARK_HOME/sbin/start-thriftserver.sh 스크립트를 실행한다.
$SPARK_HOME/sbin/start-thriftserver.sh비라인을 사용하여 쓰리프트 JDBC/ODBC 서버를 테스트한다.
$SPARK_HOME/bin/beeline비라인을 구성하여 로컬 쓰리프트 서버에 연결한다. 사용자 이름은 로그인 계정을 입력하고 비밀번호는 비어 있다.
beeline> !connect jdbc:hive2://localhost:10000
Connecting to jdbc:hive2://localhost:10000
Enter username for jdbc:hive2://localhost:10000: user
Enter password for jdbc:hive2://localhost:10000:
Connected to: Spark SQL (version 4.0.0)
Driver: Hive JDBC (version 2.3.10)
Transaction isolation: TRANSACTION_REPEATABLE_READ
0: jdbc:hive2://localhost:10000> 비라인에서 스파크 SQL 쿼리를 실행할 수 있다.
0: jdbc:hive2://localhost:10000> SHOW TABLES;
+------------+------------+--------------+
| namespace | tableName | isTemporary |
+------------+------------+--------------+
| default | people | false |
+------------+------------+--------------+
1 row selected (0.297 seconds)0: jdbc:hive2://localhost:10000> SELECT * FROM people;
+-----------+-------+
| name | age |
+-----------+-------+
| Samantha | 19 |
| Andy | 30 |
| Michael | NULL |
+-----------+-------+
3 rows selected (1.44 seconds)쓰리프트 서버를 중지할 때는 stop-thriftserver.sh 스크립트를 실행한다.
$SPARK_HOME/sbin/stop-thriftserver.sh외부 데이터 소스
JDBC
스파크 SQL에는 JDBC를 사용하여 다른 데이터베이스에서 데이터를 읽을 수 있는 데이터 소스 API가 포함되어 있다. 스파크 SQL의 이점을 활용하여 쿼리 결과를 DataFrame으로 반환받을 수 있다.
JDBC 데이터 소스에 연결하려면 JDBC 드라이버를 지정해야 한다. spark-shell 을 실행할 때 클래스 경로를 지정할 수 있다. 클래스 경로에 특정 데이터베이스용 JDBC 드라이버를 포함해야 한다.
$SPARK_HOME/bin/spark-shell --driver-class-path $database.jar --jars $database.jar데이터 소스 옵션
사용자는 데이터 소스 옵션에서 JDBC 연결 속성을 지정할 수 있다. 다음과 같은 일반적인 연결 속성을 제공한다.
user,password: 데이터 소스에 로그인하기 위한 계정 정보url: JDBC 연결 URL,jdbc:subprotocol:subname와 같은 형식dbtable: 읽거나 쓸 JDBC 테이블,query옵션과 동시에 사용할 수는 없다.query: 스파크로 데이터를 읽어오는 데 사용되는 쿼리,dbtable옵션과 동시에 사용할 수는 없다.driver: 지정한 URL에 연결하는 데 사용할 JDBC 드라이버의 클래스 이름
스파크 SQL과 JDBC 외부 소스 간에 많은 양의 데이터를 전송할 때 데이터 소스를 분할할 필요가 있다. 대규모 작업에서 다음과 같은 속성을 사용할 수 있다.
numPartitions: 테이블 읽기 및 쓰기에서 병렬 처리를 위해 사용할 수 있는 최대 파티션 수, 또는 최대 동시 JDBC 연결 수partitionColumn: 외부 소스를 읽을 때 파티션을 결정하기 위해 사용되는 칼럼 (숫자, 날짜, 또는 타임스탬프)lowerBound: 파티션 크기에 대한 파티션 열의 최솟값upperBound: 파티션 크기에 대한 파티션 열의 최댓값
numPartitions 는 스파크 워커 수의 배수를 사용하는 것이 좋지만, 소스 시스템이 읽이 요청을 얼마나 잘 처리할 수 있는지 확인해야 한다.
partitionColumn 은 데이터 스큐를 방지하기 위해 균일하게 분산될 수 있는 열을 선택해야 한다. 예를 들어, {numPartitions : 10, lowerBound : 1000, upperBound : 10000} 을 선택했지만 대부분이 2000에서 3000 사이의 값을 요청하는 경우 다른 partitionColumn 을 사용하거나 새 항목을 생성하는 것이 좋다.
PostgreSQL
PostgreSQL 실행
PostgreSQL은 따로 설치하지 않고 Docker 컨테이너로 실행했다.
% docker run --name postgres13 -d -p 5432:5432 postgres:13
% docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
6d3a827005a6 postgres:13 "docker-entrypoint.s…" 1 seconds ago Up 2 seconds 0.0.0.0:5432->5432/tcp, [::]:5432->5432/tcp postgres13postgres13 컨테이너에 접속하면서 PostgreSQL 프롬프트에 진입한다.
% docker exec -it postgres13 psql -U postgres
psql (13.21 (Debian 13.21-1.pgdg120+1))
Type "help" for help.
postgres=# SparkSession에서 접속해보기 위해 임시로 사용자, 스키마, 테이블을 생성했다.
CREATE USER spark WITH PASSWORD 'spark';
CREATE SCHEMA spark_schema AUTHORIZATION spark;
CREATE TABLE spark_schema.users (
id SERIAL PRIMARY KEY,
name VARCHAR(100) NOT NULL,
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
GRANT ALL PRIVILEGES ON SCHEMA spark_schema TO spark;
GRANT ALL PRIVILEGES ON ALL TABLES IN SCHEMA spark_schema TO spark;3개 행만 추가해보고 내용을 확인해봤다.
INSERT INTO spark_schema.users (name) VALUES ('김민수');
INSERT INTO spark_schema.users (name) VALUES ('이민수');
INSERT INTO spark_schema.users (name) VALUES ('박민수');postgres=# SELECT * FROM spark_schema.users;
id | name | created_at
----+--------+----------------------------
1 | 김민수 | 2025-07-12 11:29:42.40485
2 | 이민수 | 2025-07-12 11:29:47.036362
3 | 박민수 | 2025-07-12 11:29:50.087099
(3 rows)PostgreSQL 드라이버 다운로드
PostgreSQL 데이터베이스에 연결하려면 JDBC 드라이버 파일을 클래스 경로에 추가한다.
이미지 링크로 연결된 위 웹사이트에서 Java 버전에 맞는 파일을 다운로드 받을 수 있는데 Java 8 이상인 경우 아래 URL을 통해 직접 다운로드 받을 수도 있다.
wget https://jdbc.postgresql.org/download/postgresql-42.7.7.jarPostgreSQL 데이터 읽기
SparkSession을 생성할 때 앞단계에서 내려받은 JDBC 드라이버 파일의 경로를 spark.driver.extraClassPath 설정값으로 전달한다.
from pyspark.sql import SparkSession
import os
SPARK_HOME = os.environ.get("SPARK_HOME")
spark = (SparkSession
.builder
.config("spark.driver.extraClassPath", f"{SPARK_HOME}/jars/postgresql-42.7.7.jar") \
.appName("PostgresExample")
.getOrCreate())postgres 데이터베이스의 spark_schema.users 테이블의 데이터를 가져온다. 데이터를 출력해보면 앞에서 추가한 3개 행이 반환되는 것을 볼 수 있다.
df = spark.read.format("jdbc") \
.option("url", "jdbc:postgresql://localhost:5432/postgres") \
.option("dbtable", "spark_schema.users") \
.option("user", "spark") \
.option("password", "spark") \
.load()
df.show()+---+------+--------------------+
| id| name| created_at|
+---+------+--------------------+
| 1|김민수|2025-07-12 11:29:...|
| 2|이민수|2025-07-12 11:29:...|
| 3|박민수|2025-07-12 11:29:...|
+---+------+--------------------+PostgreSQL 데이터 쓰기
반대로 DataFrame을 PostgreSQL에 새로운 테이블로 저장할 수도 있다.
df.write.format("jdbc") \
.option("url", "jdbc:postgresql://localhost:5432/postgres") \
.option("dbtable", "spark_schema.new_users") \
.option("user", "spark") \
.option("password", "spark") \
.save()PostgreSQL에서 새로운 테이블을 조회했을 때 동일한 데이터가 저장된 것을 볼 수 있다.
postgres=# SELECT * FROM spark_schema.new_users;
id | name | created_at
----+--------+-------------------------------
1 | 김민수 | 2025-07-12 02:29:42.40485+00
2 | 이민수 | 2025-07-12 02:29:47.036362+00
3 | 박민수 | 2025-07-12 02:29:50.087099+00
(3 rows)또한, 기존 테이블에 새로운 행으로 추가할 수도 있다.
df.select("name").write.format("jdbc") \
.option("url", "jdbc:postgresql://localhost:5432/postgres") \
.option("dbtable", "spark_schema.users") \
.option("user", "spark") \
.option("password", "spark") \
.mode("append") \
.save()spark_schema.users 테이블의 id 열이 SERIAL 타입인데, 시퀀스에 대한 권한이 없어서 위 명령어를 실행하면 오류가 발생했다. 그래서 PostgreSQL에서 spark 사용자에게 권한을 부여했다.
GRANT USAGE, SELECT ON SEQUENCE spark_schema.users_id_seq TO spark;스파크의 DataFrameWriter를 통해 spark_schema.users 테이블에 새로운 행을 추가하고 데이터를 조회하면 아래와 같이 3개의 행이 더 추가된 것을 볼 수 있다.
postgres=# SELECT * FROM spark_schema.users;
id | name | created_at
----+--------+----------------------------
1 | 김민수 | 2025-07-12 11:29:42.40485
2 | 이민수 | 2025-07-12 11:29:47.036362
3 | 박민수 | 2025-07-12 11:29:50.087099
4 | 김민수 | 2025-07-12 20:42:51.519473
5 | 이민수 | 2025-07-12 20:42:51.519473
6 | 박민수 | 2025-07-12 20:42:51.519473
(6 rows)비슷한 시간에 데이터를 추가했는데 컨테이너는 UTC 시간대고 SparkSession은 KST 시간대에 있어서 created_at 이 9시간 차이가 나는 것 같다.
MySQL
MySQL 실행
마찬가지로 MySQL 컨테이너를 실행한다.
% docker run --name mysql8 -e MYSQL_ROOT_PASSWORD=root -d -p 3306:3306 mysql:8
% docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
48d3c4f28fd6 mysql:8 "docker-entrypoint.s…" 11 seconds ago Up 10 seconds 0.0.0.0:3306->3306/tcp, [::]:3306->3306/tcp mysql8
6d3a827005a6 postgres:13 "docker-entrypoint.s…" About an hour ago Up About an hour 0.0.0.0:5432->5432/tcp, [::]:5432->5432/tcp postgres13mysql8 컨테이너에 접속하면서 MySQL 프롬프트에 진입한다.
% docker exec -it mysql8 mysql -u root -p
Enter password:
Welcome to the MySQL monitor. Commands end with ; or \g.
Your MySQL connection id is 9
Server version: 8.4.5 MySQL Community Server - GPL
...
mysql> SparkSession에서 접속해보기 위해 임시로 사용자, 스키마, 테이블을 생성했다.
CREATE USER 'spark'@'%' IDENTIFIED BY 'spark';
CREATE DATABASE spark_db;
USE spark_db;
CREATE TABLE users (
id INT AUTO_INCREMENT PRIMARY KEY,
name VARCHAR(100) NOT NULL,
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
GRANT ALL PRIVILEGES ON spark_db.* TO 'spark'@'%';
FLUSH PRIVILEGES;3개 행만 추가해보고 내용을 확인해봤다.
INSERT INTO users (name) VALUES ('kim');
INSERT INTO users (name) VALUES ('lee');
INSERT INTO users (name) VALUES ('park');mysql> SELECT * FROM users;
+----+------+---------------------+
| id | name | created_at |
+----+------+---------------------+
| 1 | kim | 2025-07-12 12:08:41 |
| 2 | lee | 2025-07-12 12:08:45 |
| 3 | park | 2025-07-12 12:08:48 |
+----+------+---------------------+
3 rows in set (0.01 sec)MySQL 드라이버 다운로드
MySQL 데이터베이스에 연결하려면 JDBC 드라이버 파일을 클래스 경로에 추가한다.
이미지 링크로 연결된 위 웹사이트 또는 아래와 같은 curl, wget 명령어 등으로 버전에 맞는 압축 파일을 다운로드 받을 수 있다.
wget https://downloads.mysql.com/archives/get/p/3/file/mysql-connector-j-8.4.0.tar.gz압축 파일을 해제하면 JDBC 드라이버 파일을 확인할 수 있다.
% tar zxvf mysql-connector-j-8.4.0.tar.gz
% ls -la mysql-connector-j-8.4.0
total 5888
drwxr-xr-x@ 10 user staff 320 Mar 13 2024 .
drwx------@ 49 user staff 1568 Jul 12 21:12 ..
-rw-r--r--@ 1 user staff 282811 Mar 13 2024 CHANGES
-rw-r--r--@ 1 user staff 188 Mar 13 2024 INFO_BIN
-rw-r--r--@ 1 user staff 134 Mar 13 2024 INFO_SRC
-rw-r--r--@ 1 user staff 82896 Mar 13 2024 LICENSE
-rw-r--r--@ 1 user staff 1624 Mar 13 2024 README
-rw-r--r--@ 1 user staff 91633 Mar 13 2024 build.xml
-rw-r--r--@ 1 user staff 2533399 Mar 13 2024 mysql-connector-j-8.4.0.jar
drwxr-xr-x@ 8 user staff 256 Mar 13 2024 srcMySQL 데이터 읽기
SparkSession을 생성할 때 MySQL JDBC 드라이버 파일의 경로를 spark.driver.extraClassPath 설정값으로 전달한다.
from pyspark.sql import SparkSession
import os
SPARK_HOME = os.environ.get("SPARK_HOME")
spark = (SparkSession
.builder
.config("spark.driver.extraClassPath", f"{SPARK_HOME}/jars/mysql-connector-j-8.4.0.jar") \
.appName("MySQLExample")
.getOrCreate())spark_db 데이터베이스의 users 테이블의 데이터를 가져온다. 데이터를 출력해보면 앞에서 추가한 3개 행이 반환되는 것을 볼 수 있다.
df = spark.read.format("jdbc") \
.option("url", "jdbc:mysql://localhost:3306/spark_db") \
.option("dbtable", "users") \
.option("user", "spark") \
.option("password", "spark") \
.load()
df.show()+---+----+-------------------+
| id|name| created_at|
+---+----+-------------------+
| 1| kim|2025-07-12 12:08:41|
| 2| lee|2025-07-12 12:08:45|
| 3|park|2025-07-12 12:08:48|
+---+----+-------------------+MySQL 데이터 쓰기
반대로 DataFrame을 MySQL에 새로운 테이블로 저장할 수도 있다.
df.write.format("jdbc") \
.option("url", "jdbc:mysql://localhost:3306/spark_db") \
.option("dbtable", "new_users") \
.option("user", "spark") \
.option("password", "spark") \
.save()MySQL에서 새로운 테이블을 조회했을 때 동일한 데이터가 저장된 것을 볼 수 있다.
mysql> SELECT * FROM new_users;
+------+------+---------------------+
| id | name | created_at |
+------+------+---------------------+
| 1 | kim | 2025-07-12 12:08:41 |
| 2 | lee | 2025-07-12 12:08:45 |
| 3 | park | 2025-07-12 12:08:48 |
+------+------+---------------------+
3 rows in set (0.00 sec)또한, 기존 테이블에 새로운 행으로 추가할 수도 있다.
df.select("name").write.format("jdbc") \
.option("url", "jdbc:mysql://localhost:3306/spark_db") \
.option("dbtable", "users") \
.option("user", "spark") \
.option("password", "spark") \
.mode("append") \
.save()스파크의 DataFrameWriter를 통해 users 테이블에 새로운 행을 추가하고 데이터를 조회하면 아래와 같이 3개의 행이 더 추가된 것을 볼 수 있다.
mysql> SELECT * FROM users;
+----+------+---------------------+
| id | name | created_at |
+----+------+---------------------+
| 1 | kim | 2025-07-12 12:08:41 |
| 2 | lee | 2025-07-12 12:08:45 |
| 3 | park | 2025-07-12 12:08:48 |
| 4 | kim | 2025-07-12 12:24:29 |
| 5 | lee | 2025-07-12 12:24:29 |
| 6 | park | 2025-07-12 12:24:29 |
+----+------+---------------------+
6 rows in set (0.00 sec)References
- https://spark.apache.org/docs/latest/sql-distributed-sql-engine-spark-sql-cli.html
- https://spark.apache.org/docs/latest/sql-data-sources-hive-tables.html
- https://spidyweb.tistory.com/215
- https://dlcdn.apache.org/hive/hive-4.0.1/
- https://kevin717.tistory.com/50
- https://spark.apache.org/docs/latest/sql-data-sources-jdbc.html
- https://jdbc.postgresql.org/download/
- https://downloads.mysql.com/archives/c-j/
