在上一篇文章( 4 - 教你如何实现 Hive 列权限控制 )中详细的讲述了,Spark SQL查询Hive是如何解析库表列信息的。今天笔者通过MLSQL源码演示,是如何使用Druid SQL Parser解析 SQL 中的表列信息。
Druid SQL Parser分三个模块:
-
Parser:parser是将输入文本转换为ast(抽象语法树),parser有包括两个部分,Parser和Lexer,其中Lexer实现词法分析,Parser实现语法分析;
-
AST:AST是Abstract Syntax Tree的缩写,也就是抽象语法树。AST是parser输出的结果;
-
Visitor:Visitor是遍历AST的手段,是处理AST最方便的模式,Visitor是一个接口,有缺省什么都没做的实现VistorAdapter。
是不是跟第三篇文章( 3 - MLSQL DSL-你准备好搞自己的DSL了吗 )的Antlr很像啊?
下面以Mysql SQL为例演示MLSQL是如何进行JDBC表列解析的。 首先在 Mysql 的test库下建如下两张表:
create table c5_user(
id varchar(255) ,
name varchar(255)
)
create table c5_country(
id varchar(255) ,
country varchar(255)
)
然后构造测试SQL:
select name ,
country
from c5_user a
left join c5_country b
on a.id = b.id
通过分析,在不确定c5_user和c5_country表结构的情况下,是无法分析出name是属于c5_user还是属于c5_country的。因此要准确判断列归属的表就需要表的schema信息。
下面讲一下MLSQL的处理逻辑:
-
解析传入SQL中的所有表(不支持跨库SQL查询,比如:Hive)
-
根据表,从Mysql库中查询表的schema信息
-
根据表的schema信息构造Druid中SchemaRepository的表信息
-
解析SQL为语法树,通过SchemaVisitor补充schema信息(SchemaRepository),遍历语法树解析出列信息
从MLSQL中提取出如下几个方法:
1. 从SQL中解析表,对源码有部分修改
//streaming.core.datasource.impl.MLSQLDirectJDBC
def extractTablesFromSQL(sql: String, dbType: String = JdbcConstants.MYSQL) = {
val stmt = SQLUtils.parseSingleStatement(sql, dbType)
val visitor = SQLUtils.createSchemaStatVisitor(dbType)
stmt.accept(visitor)
visitor.getTables().asScala.map { f =>
val dbAndTable = f._1.getName
if (dbAndTable.contains(".")) {
val Array(db, table) = dbAndTable.split("\\.", 2)
(db ,table)
} else (dbAndTable, None)
}.toList
}
2. 查询表的元数据信息
//streaming.core.datasource.JDBCUtils
def queryTableWithColumnsInDriver(options: Map[String, String] ,tableList: List[String]) = {
val tableAndCols = mutable.HashMap.empty[String, mutable.HashMap[String ,String]]
val driver = options("driver")
val url = options("url")
Class.forName(driver)
val connection = java.sql.DriverManager.getConnection(url, options("user"), options("password"))
try {
val dbMetaData = connection.getMetaData()
tableList.foreach(table => {
val rs = dbMetaData.getColumns(null, null, table, "%")
val value = tableAndCols.getOrElse(table, mutable.HashMap.empty[String ,String])
while(rs.next()){
value += (rs.getString("COLUMN_NAME") -> rs.getString("TYPE_NAME"))
}
tableAndCols.update(table, value)
rs.close()
})
} finally {
if (connection != null)
connection.close()
}
tableAndCols
}
3. 根据表的元数据信息,构造表的创建语句,用于构造SchemaRepository
//streaming.core.datasource.JDBCUtils
def tableColumnsToCreateSql(tableClos: mutable.HashMap[String, mutable.HashMap[String, String]]) = {
val createSqlList = mutable.ArrayBuffer.empty[String]
tableClos.foreach(table => {
var createSql = "create table " + table._1 + " (" +
table._2.map(m => m._1 + " " + m._2)
.mkString(",") +
" )"
createSqlList += createSql
})
createSqlList.toList
}
4. 解析SQL的表和列
//tech.mlsql.sql.MLSQLSQLParser
def extractTableWithColumns(dbType :String ,sql :String ,createSchemaList :List[String]) = {
val tableAndCols = mutable.HashMap.empty[String, mutable.HashSet[String]]
val repository = new SchemaRepository(dbType)
createSchemaList.foreach(repository.console(_))
val stmtList = SQLUtils.parseStatements(sql, dbType)
val stmt = stmtList.get(0).asInstanceOf[SQLSelectStatement]
repository.resolve(stmt)
val statVisitor = SQLUtils.createSchemaStatVisitor(dbType)
stmt.accept(statVisitor)
val iter = statVisitor.getColumns().iterator()
while(iter.hasNext()){
val c = iter.next()
if(c.isSelect()){
val value = tableAndCols.getOrElse(c.getTable, mutable.HashSet.empty[String])
value.add(c.getName)
tableAndCols.update(c.getTable, value)
}
}
tableAndCols
}
下面来看一下整个流程:
val sql =
"""
|select name ,country
| from c5_user a
| left join c5_country b
| on a.id = b.id
""".stripMargin
val params = Map("driver"->"com.mysql.jdbc.Driver" ,
"url"->"jdbc:mysql://127.0.0.1:3306/test" ,
"user"->"root" ,
"password"->"mlsql")
val rest = extractTablesFromSQL(sql)
val tableList = extractTablesFromSQL(sql).map(_._1)
val tableColsMap = queryTableWithColumnsInDriver(params, tableList)
val createSqlList = tableColumnsToCreateSql(tableColsMap)
println("创建SQL:")
createSqlList.foreach(println(_))
val tableAndCols = extractTableWithColumns(JdbcConstants.MYSQL, sql, createSqlList)
println("表列信息:")
println(tableAndCols)
--------------------------------------------------------------------------------------
输出结果:
创建SQL:
create table c5_country (country VARCHAR,id VARCHAR )
create table c5_user (name VARCHAR,id VARCHAR )
表列信息:
Map(c5_country -> Set(country), c5_user -> Set(name))
对于MLSQL JDBC的表列信息解析依赖于Druid,因此语法支持受限于Druid,目前Druid的支持如下:
数据库 | DML | DDL |
odps | 完全支持 | 完全支持 |
mysql | 完全支持 | 完全支持 |
postgresql | 完全支持 | 完全支持 |
oracle | 支持大部分 | 支持大部分 |
sql server | 支持常用的 | 支持常用的 |
db2 | 支持常用的 | 支持常用的 |
hive | 支持常用的 | 支持常用的 |
可以看出大部分常用的语法是满足的,在笔者的使用过程中,暂时未发现不满足的语法(除了hive),也可能是业务场景还不够复杂。但是想想,MLSQL只是读取JDBC数据,然后分析,也不需要太复杂的SQL,除非把MLSQL当数据查询服务来用,这样就会遇到很多复杂的SQL。对于MLSQL Hive JDBC库表列解析,可以把SQL当成Spark SQL,通过分析查询计划解析库表列,这样就能支持Hive的全部语法,而真正的执行是通过Hive JDBC(在没有用Ranger的情况下)。
喜欢就点击最上方的[ MLSQL之道 ]关注下吧,后面精彩不断!
源码地址: https://github.com/latincross/mlsqlwechat(c5-druid)
更多介绍请访问: http://docs.mlsql.tech/zh/
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- laravel实现简单用户权限
- Django权限机制实现代码详解
- aop+annotation实现权限管理
- Spring实现拥有者权限验证
- Vue 指令实现按钮级别权限管理
- ThinkJS入门+实例(实现认证权限等基本功能)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
数据挖掘概念与技术
(加)Jiawei Han;Micheline Kamber / 范明、孟小峰 / 机械工业 / 2007-3 / 55.00元
《数据挖掘概念与技术(原书第2版)》全面地讲述数据挖掘领域的重要知识和技术创新。在第1版内容相当全面的基础上,第2版展示了该领域的最新研究成果,例如挖掘流、时序和序列数据以及挖掘时间空间、多媒体、文本和Web数据。本书可作为数据挖掘和知识发现领域的教师、研究人员和开发人员的一本必读书。 《数据挖掘概念与技术(原书第2版)》第1版曾是受读者欢迎的数据挖掘专著,是一本可读性极佳的教材。第2版充实了数据......一起来看看 《数据挖掘概念与技术》 这本书的介绍吧!