1. 概述 本文前置阅读： 《SQL 解析（一）之词法解析》 《SQL 解析（二）之SQL解析》 本文分享插入SQL解析的源码实现。 不考虑 INSERT SELECT 情况下，插入SQL解析比查询SQL解析复杂度低的多的多。不同数据库在插入SQL语法上也统一的多。本文分享 MySQL 插入SQL解析器 MySQLInsertParser。 MySQL INSERT 语法一共有 3 种 ： 第一种：INSERT 📷 . 第二种：INSERT SET 📷 . 第三种：INSERT SELECT 📷 . Sha
本文主要基于 Sharding-JDBC 1.5.0 正式版 1. 概述 2. InsertStatement 3. #parse() 3.1 #parseInfo() 3.2 #parseColumns() 3.3 #parseValues() 3.4 #parseCustomizedInsert() 3.5 #appendGenerateKey() 666. 彩蛋 ---- 1. 概述 本文前置阅读： 《SQL 解析（一）之词法解析》 《SQL 解析（二）之SQL解析》 本文分享插入SQL解析的源码实
MyBatis-Plus是MyBatis的增强工具，在简化MyBatis的操作和提供更多便捷功能的基础上，引入了一些新的特性。其中，动态表名是MyBatis-Plus的一个重要功能之一。然而，一些开发者在使用selectPage方法时可能会遇到动态表名不生效的问题。本文将深入分析这个问题的原因，并提供相应的解决方案。
本文主要基于 Sharding-JDBC 1.5.0 正式版 1. 概述 2. UpdateStatement 3. #parse() 3.1 #skipBetweenUpdateAndTable() 3.2 #parseSingleTable() 3.3 #parseSetItems() 3.4 #parseWhere() ---- 1. 概述 本文前置阅读： 《SQL 解析（一）之词法解析》 《SQL 解析（二）之SQL解析》 本文分享更新SQL解析的源码实现。 更新SQL解析比查询SQL解析复杂度低的
1. 概述 2. SQLParsingEngine 3. SQLParser SQL解析器 3.2.1 #parseExpression() 和 SQLExpression 3.2.2 #parseAlias() 3.2.3 #parseSingleTable() 3.2.4 #skipJoin() 3.2.5 #parseWhere() 3.1 AbstractParser 3.2 SQLParser 4. StatementParser SQL语句解析器 4.1 StatementParser 4.2
Calcite针对SQL parse提供了很多的配置项，可以针对不同的SQL方言进行解析。相关的配置项都存储在SqlParser.Config这个结构中，常见的用法如下所示：
接着之前的文章《浅谈基于JDBC实现虚拟专用数据库（VPD）》的内容，今天我们重点来说一下SQL解析的问题。
近期正在探索前端、后端、系统端各类常用组件与工具，对其一些常见的组件进行再次整理一下，形成标准化组件专题，后续该专题将包含各类语言中的一些常用组件。欢迎大家进行持续关注。
1. 概述 2. SelectStatement 2.1 AbstractSQLStatement 2.2 SQLToken 3. #query() 3.1 #parseDistinct() 3.2 #parseSelectList() 3.3 #skipToFrom() 3.4 #parseFrom() 3.5 #parseWhere() 3.6 #parseGroupBy() 3.7 #parseOrderBy() 3.8 #parseLimit() 3.9 #queryRest() 4. appen
我们接上节内容继续完成SQL解释器的代码解析工作。下面我们实现对update语句的解析，其语法如下： UpdateCmd -> INSERT | DELETE | MODIFY | CREATE Cr
Flink SQL中使用Calcite作为sql语法解析、校验、优化工具，本篇是实操篇，介绍一下calcite做sql语法解析使用方式。
tech/powerjob/official/processors/impl/sql/AbstractSqlProcessor.java
本文主要基于 Sharding-JDBC 1.5.0 正式版 1. 概述 2. DeleteStatement 3. #parse() 3.1 #skipBetweenDeleteAndTable()
Mybatis-Plus本身并没有提供分表查询的功能，但可以通过增加插件、自定义SQL来实现分表查询。下面分别介绍几种实现分表查询的方法：
我先来说说 Seata 这个项目的 idea 是怎么来的。一直就有参与开源项目的打算，一个事物的兴起必定或大或小引发一定的问题，微服务就是这样，分布式事务概念泛化的同时，也带来了一个技术问题，微服务架构下分布式数据一致性该如何保证？这几年涌现出不少分布式事务框架，比如ByteTCC、TCC-transaction、EasyTransaction 以及最近很火爆的 Seata。想要破解罪恶，就必须接近它，甚至成为它。我是去年 8 月份从 GitHub 开始关注 Seata 项目的，初步熟悉后，我觉得它的设计理念非常好，我对它产生了浓厚的兴趣，那个时候就萌发了我要成为这个项目的贡献者。偶然的机会看到 Seata issue发现了 ASoC 这个活动。
Apache Calcite是一个动态数据管理框架，它具备很多典型数据库管理系统的功能，比如SQL解析、SQL校验、SQL查询优化、SQL生成以及数据连接查询等，但是又省略了一些关键的功能，比如Calcite并不存储相关的元数据和基本数据，不完全包含相关处理数据的算法等。
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。
有了字段间的血缘关系，便可以知道数据的来源去处，以及字段之间的转换关系，这样对数据的质量，治理有很大的帮助。
本节我们完成 SQL 解释器的最后一部分，它涉及到数据的删除和更改，首先我们看删除语句的解析。我们先看 delete 对应的语法：
最近开发过程中，在where条件中使用IF函数，在MySQL数据库中，使用Navicat运行没有问题，但是运行项目的时候，死活过不去，一直报错，后来一番折腾找到了解决方案，所以，以防后续再出现类似问题，仅做记录！
原创文章，转载请注明出处：服务器非业余研究http://blog.csdn.net/erlib 作者Sunface 1.blelve 地址:https://github.com/blevesearch/bleve 介绍: 现代化的文本索引库，可以做多种形式的索引及搜索查询,对于文档内容索引应该是非常好用的. 2.cockroach 地址:https://github.com/cockroachdb/cockroach 介绍:
数据库系统有一个核心部件，那就是SQL解释器。用过mySQL的同学都知道，我们需要写一系列由SQL语言组成的代码来驱动数据库的运行，由此它就必须要有一个SQL语言解释器来解读SQL代码，然后根据代码的意图来驱动数据库执行相应的操作，本节我们就完成一个简单的SQL解释器。
Parser就是将SQL字符串切分成一个个Token，再根据一定语义规则解析为一棵语法树。我们写的sql语句只是一个字符串而已，首先需要将其通过词法解析和语法解析生成语法树，Spark1.x版本使用的是scala原生的parser语法解析器，从2.x后改用的是第三方语法解析工具ANTLR4， 在性能上有了较大的提升。
# merge sql error, dbType dm, sql 达梦数据库配合Druid报错及解决方案 # 一. 问题描述 编写代码进行测试的时候，控制台报出如下错误 2021-02-26 16:
该插件目前支持Oracle,Mysql,MariaDB,SQLite,Hsqldb,PostgreSQL六种数据库分页。
我们知道，Calcite一般会有四个阶段：parse、validate、optimize和execute。其中，在parse和validate阶段，会生成一个parse tree，树中的节点都是SqlNode的类型。在optimize节点，Calcite会将parse tree转换为RelNode，同时进行一些优化，这属于logical plan。最终在execute阶段，将logical plan转换为物理执行计划来执行。Calcite目前提供了一些方言转换的功能，可以将SqlNode和RelNode转成指定计算引擎的SQL方言，例如Mysql、Presto等，相关的方言转换类如下所示：
注意：是在Centos7上安装SQLAdvisor，必须是在没有安装MySQL的Centos7上安装，因为如果事先安装了MySQL，那么安装SQLAdvisor时，MySQL的/etc/my.cnf会与SQLAdvisor的依赖发生冲突。
这本应该是《我也能写数据库》系列文章中的一篇，但是最近一直在反思这个系列标题是不是有点不亲民，所以，暂时放弃这个系列标题了。
最近flink真是风生水起，但是浪院长看来这不过是阿里错过了创造spark影响力之后，想要在flink领域创建绝对的影响力。但是，不可否认flink在实时领域确实目前来看独树一帜，当然也有它不适合的地方，比如今天要推荐的第一个基于flink开发的项目，流表和维表的join，还有很多地方还是用spark streaming更合适，但是整体的流处理而言flink确实很优秀，虽然目前测出了一些bug，后面会发文说明一下flink开发时候常见的坑和已有的自身bug。接下来转入正题。
大家好，我又腆着大脸来更新了，也是知道自己鸽了很久很久，也就不找说辞了，尽管确实是有点遭不住996了。还是恭祝大家端午安康吧，那么问题来了，粽子你是吃甜的？还是吃肉的呢？我先表个态，我吃肉的！
在本文中，我们将实践 GBase8s 和 MySQL 的跨数据源联合查询，案例中 MySQL 数据源中存放商品信息，GBase8s 数据源中存放订单信息。整体架构如下
Calcite 在大数据系统中有着广泛的运用，比如 Apache Flink, Apache Drill 等都大量使用了 Calcite，理解 Calcite 的原理可以说已经成为理解大数据系统中 SQL 访问层实现原理的必备条件之一。
SQLAdvisor 是由美团点评公司北京DBA团队开发维护的 SQL 优化工具：输入SQL，输出索引优化建议。 它基于 MySQL 原生词法解析，再结合 SQL 中的 where 条件以及字段选择度、聚合条件、多表 Join 关系等最终输出最优的索引优化建议。目前 SQLAdvisor 在公司内部大量使用，较为成熟、稳定。 项目 GitHub 地址：https://github.com/Meituan-Di... SQLAdvisor架构流程图 SQLAdvisor 包含了如下的处理方式：Join 处理、where 处理、计算区分度、添加备选索引、Group 与 Order 处理、驱动表选择、添加被驱动表备选索引、输出建议，具体的流程图可以参考https://tech.meituan.com/2017...
Apache Calcite 是一个动态的数据管理框架, 可以实现 SQL 的解析、验证、优化和执行。Calcite 是模块化和插件式的, 解析、验证、优化和执行的步骤都对应着一个相对独立的模块。用户可以选择使用其中的一个或多个模块，也可以对任意模型进行定制化扩展。
个人理解的多租户：一套产品提供给多个企业使用，每家企业之间的数据相互隔离。例如我有一套运输管理系统，开发完成后，每一家企业购买我们的产品，我只需要提供一个账号，即可拥有完整的内容。如权限管理、订单管理等，他们之间的数据是不互通的
配置监控统计拦截的filters，去掉后监控界面sql无法统计，'wall’用于防火墙（启动sqlite时候需要关闭wall）。把filters中的stat,wall,slf4j改成stat,slf4j
sharding-jdbc对SQL解析的源码主要在下图所示parsing模块中，由下图可知SQL解析主要分为两部分：lexer和parser。lexer就是本文需要分析的词法分析：
kingbus的command.go提供了Close、handleQuery、writeOK、handleBinlogDumpGtid、handleRegisterSlave等方法
现在的很多大公司，都喜欢招丰富经验的人，从公司的角度来说，能把当前的事务性工作解决了，在这个基础上能够把你的理解和知识沉淀下来，那是极好的，说通俗一些，算是吸星大法了。
因其优秀的性能以及监控功能，在国内拥有挺多粉丝用户，我数据源选择druid就是因为它的监控功能，在按照druid的github页面提供的步骤操作后出现打开http://xx/xx/druid/sql.html页面出现了“（*）druid property for user to setup”这个错误提示，该错误出现是因为没有发现使用druid作为数据源的配置项。
作为一家数据智能企业，个推在服务垂直行业客户的过程中，会涉及到很多数据实时计算和分析的场景，比如在服务开发者时，需要对App消息推送的下发数、到达数、打开率等后效数据进行实时统计；在服务政府单位时，需要对区域内实时人口进行统计和画像分析。为了更好地支撑大数据业务发展，个推也建设了自己的实时数仓。相比Storm、Spark等实时处理框架，Flink不仅具有高吞吐、低延迟等特性，同时还支持精确一次语义（exactly once）、状态存储等特性，拥有很好的容错机制，且使用门槛低、易上手、开发难度小。因此，个推主要基于Flink SQL来解决大部分的实时作业需求。
数据服务是数据中台体系中的关键组成部分。作为数仓对接上层应用的统一出入口，数据服务将数仓当作一个统一的 DB 来访问，提供统一的 API 接口控制数据的流入及流出，能够满足用户对不同类型数据的访问需求。
下面代码的核心在于引用了一个外部的jar包用于sql解析（暂未确认企业环境是否可以直接使用）。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
