sqlparser mysql_Apache顶级项目ShardingSphere — SQL Parser的设计与实现

导语：SQL作为现代计算机行业的数据处理事实标准，是目前最重要的数据处理接口之一，从传统的DBMS(如MySQL、Oracle)，到主流的计算框架(如spark，flink)都提供了SQL的解析引擎，因此想对sql进行精细化的操作，一定离不开SQL Parser。Apache ShardingSphere 是一套开源的分布式数据库中间件解决方案组成的生态圈，需要对SQL进行精细化的操作，如改写，加密等，因此也实现了SQL Parser，并提供独立的Parser引擎。

先来认识一下传统数据库中一条SQL处理流程是怎样的，接受网络包-》数据库协议解析网络包的到sql-》SQL语法解析为抽象语法树-》把语法树转换成关系代数表达式树(逻辑执行计划)-》再转换成物理算子树(物理执行计划)-》遍历物理算子树执行相应算子的实现获取数据并返回。

一、工作原理

SQL Parser 的功能是把一条SQL解析为抽象语法树(AST)，SQL Parser需要编译原理相关的知识，简单介绍一下。

SQL Parser 包含词法解析(Lexer)和语法解析(Parser)，词法解析的作用是把一个sql 分割成一个一个不可分割的单元，例子：

原始sql: select id,name from table1 where name=“xxx”;

词法解析器输入是原始sql，并且暴露一个接口nextToken(),每次调用nextToken()都会返回一个Token(表示上面所说的不可分割的元素)，伪代码如下：

String originSql = "select id,name from table1 where name='xxx'";

Lexer lexer = new Lexer(originSql);

while(!lexer._hitEOF){// 判断是否结束

System.out.printLn(lexer.nextToken())

}

// 输出如下：

select

id

,

name

from

table1

where

name

=

'xxx'

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

语法分析器的作用是使用Lexer的输出(调用nextToken()),构造出AST,以上面的sql为例，解析器得出的语法树如下：

1、Lexer(词法分析)原理

Lexer 也称为分词，从左向右扫描SQL，将其分割成一个个的toke(不可分割的，具有独立意义的单元，类似英语中的单词)。

Lexer的实现一般都是构造DFA(确定性有限状态自动机)来实现的，以一个例子说明。

状态转移图如下，这是一个能够识别标识符，数字和一般运算符的词法解析器。

代码实现可以使用传统的while case的模板实现，伪代码如下：

Class Token{...}

Enum State {

BEGIN,OPERATER,IDENTIFIER,NUMBER

}

Class Lexer{

String input = "...";

State state = BEGIN;

int index = 0;

Token nextToken() {

while(index < input.length) {

Char char = input.charAt(index);

switch (state) {

case BEGIN:

switch (char){

case a-zA-Z_ :

index++;

state = IDENTIFIER;

case +-*/ :

state = BEGIN

return Token(OPERATER)

case 0-9:

state = NUMBER;

index++;

default:

return null;

}

case IDENTIFIER:

switch (char){

case a-zA-Z_0-9 :

index++;

state = IDENTIFIER;

default :

state = BEGIN;

index--;

return Token(IDENTIFIER)

}