自己动手写SQL查询引擎-总篇

本篇Blog在总体层面介绍了SQL查询引擎Rider的功能及设计，其细节部分将会在后面的篇章中一一道来。

起因

笔者在实际工作中经常需要解析文件，每次文件稍有变化，都得拷贝粘贴一堆代码。
于是就想着能不能做一个通用的服务，通过配置的方式解析文件。

配置通用

最通用的方法就是自己定义一个文件描述语言，用语言去描述文件的组织结构。但如果自己定义一套新的语法，学习成本则太高。

基于SQL

于是就想到了数据库，数据库是通过create table来表示文件格式的，且通过sql来查询底层数据。
这个create table和select操作和我的需求match,就这样SQL查询引擎Rider诞生了。

Rider代码灵感

Rider借鉴了不少项目的代码，例如MySql协议部分借鉴了Corbar。
Sql解析部分借鉴了h2database,derby等。
文件解析部分源于笔者写的大部分文件解析业务代码。
在此向上述优秀的开源代码致敬。

SQL查询引擎Rider

Rider是一个基于Netty通讯框架的纯java写的Server,其不依赖其它任何服务。其主要功能如下图所示:

(1)Rider基于MySql协议和用户交互，用户可以使用mysqlClient、jdbc以及odbc等对Rider发送SQL命令
(2)Rider支持select join where condition、create table等语法
(3)Rider支持MyBatis

Rider总体设计

这里Rider主要分四层:
(1)MySql协议层，负责通过MySql协议与用户的交互，详情可见:
https://my.oschina.net/alchemystar/blog/834150
(2)Sql解析层:负责对select以及create table等语法的解析
(3)Access层:提供游标Cursor这个概念，供Sql解析层去遍历记录
(4)Storage层:对很多中文件格式进行解析，统一封装成游标Cursor给上层调用,
当前Storage还包含了视图的概念，这是Rider另一个特性，在后面的篇章中阐述。

Rider查询表的原理

下图是Rider查询表的原理，

Rider查询表的原理是通过将文件中所有记录读取出来并通过where或者join条件进行遍历，从而筛选出对应的记录。
对于多表查询，则是通过将多个文件中的记录进行笛卡尔积的便利来筛选记录。

Rider文件配置的通用性

文件列位置不定

详细描述:文件A,文件B包含相同的数据，只是列的位置不一样，例如:
文件A:

1,lancer,lancer_comment   
2,rider,rider_comment

        

          
        
        
        

          

          AI 代码解读
        
      
      

文件B:

1.lancer_comment,lancer    
2,rider,rider_comment  

        

          
        
        
        

          

          AI 代码解读
        
      
      

在Rider中只需要在不同的schema中建立两张相同的表t_test,就可以在应用端代码复用，底层细节的Rider全包了。

use schemaA;
create table t_test( 
  id BIGINT comment 'id test ', 
  name VARCHAR comment 'name',
  extension VARCHAR comment 'extension' 
)Engine='archer' SEP=',' comment='just for test';
use schemaB;
 create table t_test( 
  id BIGINT comment 'id test ', 
  extension VARCHAR comment 'extension' /*此处列位置调整*/
  name VARCHAR comment 'name',
)Engine='archer' SEP=',' comment='just for test'

        

          
        
        
        

          

          AI 代码解读
        
      
      

这样客户端就可以不考虑文件列的位置了。

文件格式不固定

考虑到三个文件，文件A、文件B以及文件C
文件A,以,分隔:

1,lancer,lancer_comment   
2,rider,rider_comment

        

          
        
        
        

          

          AI 代码解读
        
      
      

文件B,以|分隔:

1|lancer|lancer_comment   
2|rider|rider_comment

        

          
        
        
        

          

          AI 代码解读
        
      
      

文件C,XLSX格式

use schemaA;
create table t_test( 
  id BIGINT comment 'id test ', 
  name VARCHAR comment 'name',
  extension VARCHAR comment 'extension' 
)Engine='archer' SEP=',' comment='just for test';
use schemaB;
 create table t_test( 
  id BIGINT comment 'id test ', 
  name VARCHAR comment 'name',
  extension VARCHAR comment 'extension' 
)Engine='archer' SEP='|' /*此处分隔符调整为|*/  comment='just for test'
use schemaC;
create table t_test( 
  id BIGINT comment 'id test ', 
  name VARCHAR comment 'name',
  extension VARCHAR comment 'extension' 
)Engine='XLSX'/*此处引擎调整为xlsx*/;

        

          
        
        
        

          

          AI 代码解读
        
      
      

这样客户端也不需要考虑文件格式了。
如果上述不直观的话，可以如下图所示:

Rider性能

文件解析速度4W行/s,其只和java本身文件IO性能相关。

Rider截图

github链接

https://github.com/alchemystar/Rider

码云链接

http://git.oschina.net/alchemystar/Rider

原文链接

https://my.oschina.net/alchemystar/blog/865237