MyCat - 源代码篇（15）

数据库路由中间件MyCat - 源代码篇（15）

5. 路由模块

5.4 DDL语句路由

可以分为两步，整体源代码：

public static RouteResultset routeToDDLNode(RouteResultset rrs, int sqlType, String stmt,SchemaConfig schema) throws SQLSyntaxErrorException {
    stmt = getFixedSql(stmt);
    String tablename = "";      
    final String upStmt = stmt.toUpperCase();
    if(upStmt.startsWith("CREATE")){
        if (upStmt.contains("CREATE INDEX ")){
            tablename = RouterUtil.getTableName(stmt, RouterUtil.getCreateIndexPos(upStmt, 0));
        }else tablename = RouterUtil.getTableName(stmt, RouterUtil.getCreateTablePos(upStmt, 0));
    }else if(upStmt.startsWith("DROP")){
        if (upStmt.contains("DROP INDEX ")){
            tablename = RouterUtil.getTableName(stmt, RouterUtil.getDropIndexPos(upStmt, 0));
        }else tablename = RouterUtil.getTableName(stmt, RouterUtil.getDropTablePos(upStmt, 0));
    }else if(upStmt.startsWith("ALTER")){
        tablename = RouterUtil.getTableName(stmt, RouterUtil.getAlterTablePos(upStmt, 0));
    }else if (upStmt.startsWith("TRUNCATE")){
        tablename = RouterUtil.getTableName(stmt, RouterUtil.getTruncateTablePos(upStmt, 0));
    }
    tablename = tablename.toUpperCase();

    if (schema.getTables().containsKey(tablename)){
        if(ServerParse.DDL==sqlType){
            List<String> dataNodes = new ArrayList<>();
            Map<String, TableConfig> tables = schema.getTables();
            TableConfig tc;
            if (tables != null && (tc = tables.get(tablename)) != null) {
                dataNodes = tc.getDataNodes();
            }
            Iterator<String> iterator1 = dataNodes.iterator();
            int nodeSize = dataNodes.size();
            RouteResultsetNode[] nodes = new RouteResultsetNode[nodeSize];

            for(int i=0;i<nodeSize;i++){
                String name = iterator1.next();
                nodes[i] = new RouteResultsetNode(name, sqlType, stmt);
            }
            rrs.setNodes(nodes);
        }
        return rrs;
    }else if(schema.getDataNode()!=null){       //默认节点ddl
        RouteResultsetNode[] nodes = new RouteResultsetNode[1];
        nodes[0] = new RouteResultsetNode(schema.getDataNode(), sqlType, stmt);
        rrs.setNodes(nodes);
        return rrs;
    }
    //both tablename and defaultnode null
    LOGGER.error("table not in schema----"+tablename);
    throw new SQLSyntaxErrorException("op table not in schema----"+tablename);
}

首先，获取表名，步骤如下：

拿一个获取表名的函数举例：

/**
 * 获取语句中前关键字位置和占位个数表名位置
 *
 * @param upStmt
 *            执行语句
 * @param start
 *            开始位置
 * @return int[]关键字位置和占位个数
 * @author aStoneGod
 */
public static int[] getCreateIndexPos(String upStmt, int start) {
    String token1 = "CREATE ";
    String token2 = " INDEX ";
    String token3 = " ON ";
    int createInd = upStmt.indexOf(token1, start);
    int idxInd = upStmt.indexOf(token2, start);
    int onInd = upStmt.indexOf(token3, start);
    // 既包含CREATE又包含INDEX，且CREATE关键字在INDEX关键字之前, 且包含ON...
    if (createInd >= 0 && idxInd > 0 && idxInd > createInd && onInd > 0 && onInd > idxInd) {
        return new int[] {onInd , token3.length() };
    } else {
        return new int[] { -1, token2.length() };// 不满足条件时，只关注第一个返回值为-1，第二个任意
    }
}

然后，根据表名获取配置进行路由：

* 默认语句路由*

对于有默认节点的schema，且不是show, describe, select @@之类的语句，则路由到默认的节点上。
对于show, describe, select @@之类的语句，利用查询信息路由方法算出路由。

接下来，取一个举例，对于Show语句：
analyseShowSQL(schema, rrs, stmt)方法

5.5 AST语义解析路由

首先我们看一下MySQL的SQL解析步骤（硬解析和软解析）：

MyCat的机制，仿照MySQL的，可以总结为：

这里我们可以总结一个优化思路，就是通过仿照MySQL物理优化原理（定时更新表配置，报表信息），来做进一步MyCat查询的优化。
语义解析基本过程：

1.词法分析（一般抽象都叫Lexer）：不同的关键词有不同的含义

select concat(id,'_',name),value from student where value>60 order by value 

词法分析的输出，就是一句带上词义的语句：

(select： Keyword)  (concat: Keyword)((: LB)…… (from: keyword) (student: identifier)

2.语法分析：

• 分析关键词之间的联系，生成表达式（expression）
• 基本语法正确性判断（比如from这个keyword之后必须紧跟一个表名（就是一个identifier））
  

3.生成AST语意树（完整解析的statement）

根据MyCat权威指南，DruidParser比其他Parser快很多很多。
快在哪里呢？主要是抽象静态化的粒度，拿jsqlparser和druidparser对比。
这两个parser都遵从了上面的步骤，对于词（lexer），表达式（expression）和语句AST（statement）都有抽象。
但是对于语句AST（statement）的抽象， DruidParser做的粒度更细。如下图对于Alter语句的对比：

所以，不难推测为啥DruidParser快了