基于简单sql语句的sql解析原理及在大数据中的应用

                  李万鸿

      通常sql语法解析都是以lex、yacc进行分析为基础的，是逐个字符进行分析，性能不高，如果基于没有子查询的sql语句进行解析，则速度会提高许多，在此对其原理加以说明。

    一般sql语句十分复杂，包含多层嵌套，但其中有规律可循，其特点是所有的语句基本模式是一样的，即：都是SELECT  FROM  WHERE类型的简单语句，因此，可以把嵌套的语句逐条解析为这种简单语句。由于sql语句的语法是一样的，所以可以用递归的方法对语句加以解析，从而把sql语句解析为多条简单的子SQL语句。然后通过一个方法分别解析这些子sql语句。这样处理，算法简单有效，极大地提高性能，对于SQL语法解析来说是一个革命性的新思路。

      大数据通常使用HBASE等NOSQL，对于sql开发来说极为不便，为此，采用分布式的关系数据库来保存大数据极具实用价值，比如用ORACLE、MYSQL把一张表分库保存到多个数据库，这样既可以处理海量数据又适用于传统的编程，支持MYBATIS、SPRING、HIBERNATE，开发极为方便。相应的难点是各个分库的表的ID的唯一性和SQL语句的处理。

      对于ID的唯一性解决不难，关键在于分布式SQL的处理。随着SPARK等大数据软件应运而生，对于分布式数据的处理来说正当其时。可以用SPARK来处理分布的数据，那么如何得到这些数据呢？为此，可以通过本文提出的SQL解析原理对SQL语句进行解析，把一条复杂的SQL语句解析为多简单的SQL语句，如 SELECT A.*FORM USER  A WHERE  A.ID>222，然后通过数据字典找到USER表对应的分库，在各个分库上执行查询，然后把各个查询结果用SPARK处理，对于其他的子SQL语句如法炮制，然后根据主SQL语句的条件如JOIN、GROUP BY、ORDER BY等对所有的查询数据进行运算汇总处理，最后返回结果。

     总之，通过获取各个简单的子SQL语句进行语法解析或语句分解，是一个行之有效的好办法，简单巧妙地解决了一个公共的难题，尤其对于采用高效数据库处理大数据有特殊的意义，为其奠定了基石。这是一个极为有效的解决办法，值得应用。

                           2014-10-17

基于简单sql语句的sql解析原理及在大数据中的应用