使用Druid的sql parser做一个表数据血缘分析工具
前言
大数据场景下,每天可能都要在离线集群,运行大量的任务来支持业务、运营的分析查询。任务越来越多的时候,就会有越来越多的依赖关系,每一个任务都需要等需要的input表生产出来后,再去生产自己的output表。最开始的时候,依赖关系自然是可以通过管理员来管理,随着任务量的加大,就需要一个分析工具来解析任务的inputs、outs,并且自行依赖上生产inputs表的那些任务。本文就介绍一个使用druid parser,来解析SQL的input、output的血缘分析工具。
建议对druid比较陌生的同学可以先看下druid的官方文档。
做一次sql的血缘分析的流程
- 解析sql,拿到抽象语法树
- 遍历抽象语法树,得到from、to
使用druid解析sql到语法树
druid提供了简单、快速的SQL解析工具,可以很简单拿到一段SQL的AST(抽象语法树)。而druid对语法树提供了多种的SQLStatement,使遍历语法树更加容易。
SQLStatementParser parser = SQLParserUtils.createSQLStatementParser(sql, JdbcConstants.HIVE);
SQLStatement stmt= parser.parseStatementList().get(0);
从语法树中取出from和to
拿到语法树之后,想办法把from、to从语法树中取出来就大功告成。
最初的写法
最开始,就是简单的遍历一下语法树的节点,取出from表和to表的表名。
/**
* 根据create或者insert的sql取出from、to
* @param sql
* @return
* @throws ParserException
*/
private static Map<String, Set<String>> getFromTo(String sql) throws ParserException {
SQLStatementParser parser = SQLParserUtils.createSQLStatementParser(sql, JdbcConstants.HIVE);
SQLStatement stmt= parser.parseStatementList().get(0);
Set<String> from = new HashSet<>();
Set<String> to = new HashSet<>();
if (stmt instanceof SQLInsertStatement) {
SQLInsertStatement istmt = (SQLInsertStatement) stmt;
to.add(istmt.getTableSource().toString().toUpperCase());
SQLTableSource sts = istmt.getQuery().getQueryBlock().getFrom();
from = getFromTableFromTableSource(sts);
} else if (stmt instanceof SQLCreateTableStatement) {
SQLCreateTableStatement cstmt = (SQLCreateTableStatement) stmt;
to.add(cstmt.getTableSource().toString().toUpperCase());
SQLTableSource sts = cstmt.getSelect().getQueryBlock().getFrom();
from = getFromTableFromTableSource(sts);
}
Map<String, Set<String>> fromTo = new HashMap<>(4);
fromTo.put("from", from);
fromTo.put("to", to);
return fromTo;
}
private static Set<String> getFromTableFromTableSource (SQLTableSource sts) {
Set<String> from = new HashSet<>();
if (sts instanceof SQLJoinTableSource) {
from = getFromTableFromJoinSource((SQLJoinTableSource)sts);
} else {
from.add(sts.toString().toUpperCase());
}
return from;
}
private static Set<String> getFromTableFromJoinSource (SQLJoinTableSource sjts) {
Set<String> result = new HashSet<>();
getFromTable(result, sjts);
return result;
}
// 递归获取join的表list
private static void getFromTable (Set<String> fromList, SQLJoinTableSource sjts) {
SQLTableSource left = sjts.getLeft();
if (left instanceof SQLJoinTableSource) {
getFromTable(fromList, (SQLJoinTableSource)left);
} else {
fromList.add(left.toString().toUpperCase());
}
SQLTableSource right = sjts.getRight();
if (right instanceof SQLJoinTableSource) {
getFromTable(fromList, (SQLJoinTableSource)right);
} else {
fromList.add(right.toString().toUpperCase());
}
}
用druid更好的实现
因为是为了快速完成,所以写的取出from、to表的部分还是存在很大的问题的。只能支持一条sql,只能支持简单的sql语句,比如union all或者子查询就有些无力。于是又看了一下文档,其实druid是提供了visitor方法来遍历语法树的,而且提供了一个简单的SchemaStatVisitor,可以取出Sql中所有用到的表。于是就可以写成这种格式。
public static Map<String, TreeSet<String>> getFromTo (String sql) throws ParserException {
List<SQLStatement> stmts = SQLUtils.parseStatements(sql, JdbcConstants.HIVE);
TreeSet<String> fromSet = new TreeSet<>();
TreeSet<String> toSet = new TreeSet<>();
if (stmts == null) {
return null;
}
String database="DEFAULT";
for (SQLStatement stmt : stmts) {
SchemaStatVisitor statVisitor = SQLUtils.createSchemaStatVisitor(JdbcConstants.HIVE);
if (stmt instanceof SQLUseStatement) {
database = ((SQLUseStatement) stmt).getDatabase().getSimpleName().toUpperCase();
}
stmt.accept(statVisitor);
Map<Name, TableStat> tables = statVisitor.getTables();
if (tables != null) {
final String db = database;
tables.forEach((tableName, stat) -> {
if (stat.getCreateCount() > 0 || stat.getInsertCount() > 0) {
String to = tableName.getName().toUpperCase();
if (!to.contains("."))
to = db + "." + to;
toSet.add(to);
} else if (stat.getSelectCount() > 0) {
String from = tableName.getName().toUpperCase();
if (!from.contains("."))
from = db + "." + from;
fromSet.add(from);
}
});
}
}
posted on 2018-12-17 13:29 BinaryTom 阅读(4623) 评论(0) 编辑 收藏 举报