使用Calcite解析Sql做维表关联(一)

维表关联是离线计算或者实时计算里面常见的一种处理逻辑，常常用于字段补齐、规则过滤等，一般情况下维表数据放在MySql等数据库里面，对于离线计算直接通过ETL方式加载到Hive表中，然后通过sql方式关联查询即可，但是对于实时计算中Flink、SparkStreaming的表都是抽象的、虚拟的表，那么就没法使用加载方式完成。透过维表服务系列里面讲到的维表关联都是使用编码方式完成，使用Map或者AsyncIO方式完成，但是这种硬编码方式开发效率很低，特别是在实时数仓里面，我们希望能够使用跟离线一样sql方式完成维表关联操作。

在Flink1.9中提供了使用sql化方式完成维表关联，只需要实现LookupableTableSource接口即可，可以实现同步或者异步关联。在1.9之前就需要自己实现sql语法解析，然后在转换为API方式，对上层提供sql语法。看一个sql语句：

select * from orders o join gdsInfo g on o.gdsId=g.gdsId

orders表示流表，gdsInfo 表示维表。根据sql解析顺序先 from 部分、然后where 部分、最后select，那么对于join 方式，相当于join生成了一张临时表，然后去select 这张临时表，因此可以确认

sql解析流程：

1. 识别出流表与维表

3. select 临时表

现在使用calcite解析这条语句

public class ParseDemo {

public static void main(String[] args) {

//假设gdsInfo就是维表

String sql = "select * from orders o join gdsInfo g on o.gdsId=g.gdsId";

SqlParser.Config config = SqlParser.configBuilder().setLex(Lex.MYSQL).build();

SqlParser sqlParser = SqlParser.create(sql, config);

SqlSelect sqlSelect = null;

try {

sqlSelect = (SqlSelect) sqlParser.parseStmt();

} catch (Exception e) {

e.printStackTrace();

}

SqlNode sqlFrom = sqlSelect.getFrom();

boolean isSideJoin = false;

String leftTable = "";

String rightTable = "";

String newName = ""; //临时表

SqlJoin sqlJoin = null;

//解析join

if (sqlFrom.getKind() == SqlKind.JOIN) {

sqlJoin = (SqlJoin) sqlFrom;

SqlNode left = sqlJoin.getLeft();

SqlNode right = sqlJoin.getRight();

isSideJoin = true;

leftTable = paserTableName(left);

rightTable = paserTableName(right);

}

//生成新的select

if (isSideJoin) {

newName = leftTable + "_" + rightTable;

SqlParserPos pos = new SqlParserPos(0, 0);

SqlIdentifier sqlIdentifier = new SqlIdentifier(newName, pos);

sqlSelect.setFrom(sqlIdentifier);

}

}

//解析表

private static String paserTableName(SqlNode tbl) {

if (tbl.getKind() == SqlKind.AS) {

SqlBasicCall sqlBasicCall = (SqlBasicCall) tbl;

return sqlBasicCall.operands[1].toString();

}

return ((SqlIdentifier) tbl).toString();

}

}

那么我们需要的就是生成新的select节点与SqlJoin节点，执行逻辑就是根据SqlJoin节点做维表关联之后生成新的表，然后去select这样新的表。

sql解析部分已经完成，既然使用sql化方式，因此也需要定义源表与维表，数据源一般是kafka, 定义源表需要：表名称、字段名称、字段类型、数据格式、topic；维表假设为mysql，需要定义：表名称、字段类型、字段名称、关联方式(同步/异步)、缓存方式(LRU/全部缓存、无缓存)。

源表定义：

CREATE TABLE orders(

orderId varchar,

gdsId varchar,

orderTime varchar

)WITH(

type = 'kafka',

kafka.bootstrap.servers = 'localhost:9092',

kafka.topic = 'topic1',

kafka.group.id = 'gId1',

sourcedatatype ='json'

);

维表定义：

CREATE TABLE gdsInfo(

gdsId varchar,

gdsName varchar,

price double

)WITH(

type='mysql',

url='jdbc:mysql://localhost:3306/paul',

userName='root',

password='123456',

tableName='gdsInfo',

cache = 'LRU',

isSideTable='true'

);

现在就是要如何解析这些语句，正则表达式是首选，需要解析出表名称、字段、属性三个部分：creat table xxx (xxx) with(xxx);正则表达式可为：

(?i)create\s+table\s+(\S+)\s*\((.+)\)\s*with\s*\((.+)\)

?i表示后面的匹配忽略大小写，\s+ 表示匹配多个空格，\S+表示匹配多个字符，.+ 表示匹配任意字符。

定义一个table类：

class TableInfo{

private String tableName; // 表名称

private Map<String,String> fieldsInfo; //字段名称->类型

private Properties props; //表属性

private boolean isSideTable; //是否为维表

}

public class ParseCreate {

public static final String REG_CREATE="(?i)create\\s+table\\s+(\\S+)\\s*\\((.+)\\)\\s*with\\s*\\((.+)\\)";

public static void main(String[] args) {

String createSql="CREATE TABLE orders(" + " orderId varchar," + " gdsId varchar,"

+ " orderTime varchar" + " )WITH(" + " type = 'kafka',"

+ " kafka.bootstrap.servers = 'localhost:9092'," + " kafka.topic = 'topic1',"

+ " kafka.group.id = 'gId1'," + " sourcedatatype ='json'" + " );";

Pattern pattern=Pattern.compile(REG_CREATE);

TableInfo tableInfo=new TableInfo();

Matcher matcher=pattern.matcher(createSql);

if(matcher.find()){

tableInfo.setTableName(matcher.group(1));

String fieldsStr=matcher.group(2);

String propsStr=matcher.group(3);

tableInfo.setFieldsInfo(parseFiles(fieldsStr));

tableInfo.setProps(parseProps(propsStr));

if(Boolean.valueOf(tableInfo.getProps().getProperty("isSideTable","false"))){

tableInfo.setSideTable(true);

}

}

}

public static Map<String,String> parseFiles(String fieldsStr){

Map<String,String> fieldsInfo=new HashMap<>();

String[] fieldsArray=fieldsStr.split(",");

for(String field: fieldsArray){

String[] fieldInfo=field.trim().split(" ");

fieldsInfo.put(fieldInfo[0],fieldInfo[1]);

}

return fieldsInfo;

}

public static Properties parseProps(String propsStr){

Properties props=new Properties();

String[] propsArray=propsStr.split(",");

for(String prop: propsArray){

String[] propInfo=prop.trim().split("=");

props.setProperty(propInfo[0],propInfo[1]);

}

return props;

}

}

至此完成了简易的create语句解析，下一篇将介绍如何将解析后的create与维表关联转换为可执行代码。

关注回复 Flink

获取更多系列