欢迎投稿

今日深度:

SQL解析在美团点评中是如何应用的?,sql在美

SQL解析在美团点评中是如何应用的?,sql在美


导读

数据库作为核心的基础组件,是需要重点保护的对象。任何一个线上的不慎操作,都有可能给数据库带来严重的故障,从而给业务造成巨大的损失。为了避免这种损失,一般会在管理上下功夫。比如为研发人员制定数据库开发规范;新上线的SQL,需要DBA进行审核;维护操作需要经过领导审批等等。而且如果希望能够有效地管理这些措施,需要有效的数据库培训,还需要DBA细心的进行SQL审核。很多中小型创业公司,可以通过设定规范、进行培训、完善审核流程来管理数据库。

随着美团点评的业务不断发展和壮大,上述措施的实施成本越来越高。如何更多的依赖技术手段,来提高效率,越来越受到重视。业界已有不少基于MySQL源码开发的SQL审核、优化建议等工具,极大的减轻了DBA的SQL审核负担。那么我们能否继续扩展MySQL的源码,来辅助DBA和研发人员来进一步提高效率呢?比如,更全面的SQL优化功能;多维度的慢查询分析;辅助故障分析等。要实现上述功能,其中最核心的技术之一就是SQL解析。

现状与场景

SQL解析是一项复杂的技术,一般都是由数据库厂商来掌握,当然也有公司专门提供SQL解析的API。由于这几年MySQL数据库中间件的兴起,需要支持读写分离、分库分表等功能,就必须从SQL中抽出表名、库名以及相关字段的值。因此像Java语言编写的Druid,C语言编写的MaxScale,Go语言编写的Kingshard等,都会对SQL进行部分解析。而真正把SQL解析技术用于数据库维护的产品较少,主要有如下几个:

  • 美团点评开源的SQLAdvisor。它基于MySQL原生态词法解析,结合分析SQL中的where条件、聚合条件、多表Join关系给出索引优化建议。
  • 去哪儿开源的Inception。侧重于根据内置的规则,对SQL进行审核。
  • 阿里的Cloud DBA。根据官方文档介绍,其也是提供SQL优化建议和改写。

上述产品都有非常合适的应用场景,在业界也被广泛使用。但是SQL解析的应用场景远远没有被充分发掘,比如:

  • 基于表粒度的慢查询报表。比如,一个Schema中包含了属于不同业务线的数据表,那么从业务线的角度来说,其希望提供表粒度的慢查询报表。
  • 生成SQL特征。将SQL语句中的值替换成问号,方便SQL归类。虽然可以使用正则表达式实现相同的功能,但是其Bug较多,可以参考pt-query-digest。比如pt-query-digest中,会把遇到的数字都替换成“?”,导致无法区别不同数字后缀的表。
  • 高危操作确认与规避。比如,DBA不小心Drop数据表,而此类操作,目前还无有效的工具进行回滚,尤其是大表,其后果将是灾难性的。
  • SQL合法性判断。为了安全、审计、控制等方面的原因,美团点评不会让研发人员直接操作数据库,而是提供RDS服务。尤其是对于数据变更,需要研发人员的上级主管进行业务上的审批。如果研发人员,写了一条语法错误的SQL,而RDS无法判断该SQL是否合法,就会造成不必要的沟通成本。

因此为了让所有有需要的业务都能方便的使用SQL解析功能,我们认为应该具有如下特性:

  • 直接暴露SQL解析接口,使用尽量简单。比如,输入SQL,则输出表名、特征和优化建议。
  • 接口的使用不依赖于特定的语言,否则维护和使用的代价太高。比如,以HTTP等方式提供服务。
  • 千里之行,始于足下,下面我先介绍下SQL的解析原理。

原理

SQL解析与优化是属于编译器范畴,和C等其他语言的解析没有本质的区别。其中分为,词法分析、语法和语义分析、优化、执行代码生成。对应到MySQL的部分,如下图:

SQL解析在美团点评中是如何应用的?

图1 SQL解析原理

词法分析

SQL解析由词法分析和语法/语义分析两个部分组成。词法分析主要是把输入转化成一个个Token。其中Token中包含Keyword(也称symbol)和非Keyword。例如,SQL语句 select username from userinfo,在分析之后,会得到4个Token,其中有2个Keyword,分别为select和from:通常情况下,词法分析可以使用Flex来生成,但是MySQL并未使用该工具,而是手写了词法分析部分(据说是为了效率和灵活性,参考此文)。具体代码在sql/lex.h和sql/sql_lex.cc文件中。

MySQL中的Keyword定义在sql/lex.h中,如下为部分Keyword:

{ "&&",               SYM(AND_AND_SYM)},

{ "<",                SYM(LT)},

{ "<=",               SYM(LE)},

{ "<>",               SYM(NE)},

{ "!=",               SYM(NE)},

{ "=",                SYM(EQ)},

{ ">",                SYM(GT_SYM)},

{ ">=",               SYM(GE)},

{ "<<",               SYM(SHIFT_LEFT)},

{ ">>",               SYM(SHIFT_RIGHT)},

{ "<=>",              SYM(EQUAL_SYM)},

{ "ACCESSIBLE",       SYM(ACCESSIBLE_SYM)},

{ "ACTION",           SYM(ACTION)},

{ "ADD",              SYM(ADD)},

{ "AFTER",            SYM(AFTER_SYM)},

{ "AGAINST",          SYM(AGAINST)},

{ "AGGREGATE",        SYM(AGGREGATE_SYM)},

{ "ALL",              SYM(ALL)},

词法分析的核心代码在sql/sql_lex.c文件中的,MySQLLex→lex_one_Token,有兴趣的同学可以下载源码研究。

语法分析

语法分析就是生成语法树的过程。这是整个解析过程中最精华,最复杂的部分,不过这部分MySQL使用了Bison来完成。即使如此,如何设计合适的数据结构以及相关算法,去存储和遍历所有的信息,也是值得在这里研究的。

a)语法分析树

SQL语句:

  1. select username, ismale from userinfo where age > 20 and level > 5 and 1 = 1 

会生成如下语法树:

图2 语法树

对于未接触过编译器实现的同学,肯定会好奇如何才能生成这样的语法树。其背后的原理都是编译器的范畴,可以参考维基百科的一篇文章,以及该链接中的参考书籍。本人也是在学习MySQL源码过程中,阅读了部分内容。由于编译器涉及的内容过多,本人经历和时间有限,不做过多探究。从工程的角度来说,学会如何使用Bison去构建语法树,来解决实际问题,对我们的工作也许有更大帮助。下面我就以Bison为基础,探讨该过程。

b)MySQL语法分析树生成过程

全部的源码在sql/sql_yacc.yy中,在MySQL5.6中有17K行左右代码。这里列出涉及到SQL:

  1. select username, ismale from userinfo where age > 20 and level > 5 and 1 = 1 

解析过程的部分代码摘录出来。其实有了Bison之后,SQL解析的难度也没有想象的那么大。特别是这里给出了解析的脉络之后。

  1. select /*select语句入口*/:  
  2.           select_init  
  3.           {  
  4.             LEX *lex= Lex;  
  5.             lex->sql_command= SQLCOM_SELECT;  
  6.           }  
  7.         ;  
  8. select_init:  
  9.           SELECT_SYM /*select 关键字*/ select_init2  
  10.  
  11.         | '(' select_paren ')' union_opt  
  12.  
  13.         ;  
  14.  
  15.  
  16. select_init2:  
  17.           select_part2  
  18.           { 
  19.  
  20.             LEX *lex= Lex;  
  21.             SELECT_LEX * sel= lex->current_select;  
  22.             if (lex->current_select->set_braces(0))  
  23.             {  
  24.               my_parse_error(ER(ER_SYNTAX_ERROR));  
  25.               MYSQL_YYABORT;  
  26.             }  
  27.             if (sel->linkage == UNION_TYPE &&  
  28.                 sel->master_unit()->first_select()->braces)  
  29.             {  
  30.               my_parse_error(ER(ER_SYNTAX_ERROR));  
  31.               MYSQL_YYABORT;  
  32.             }  
  33.           }  
  34.           union_clause  
  35.         ; 
  36.  
  37. select_part2:  
  38.           {  
  39.             LEX *lex= Lex;  
  40.             SELECT_LEX *sel= lex->current_select;  
  41.             if (sel->linkage != UNION_TYPE)  
  42.               mysql_init_select(lex);  
  43.             lex->current_select->parsing_place= SELECT_LIST;  
  44.           }  
  45.  
  46.           select_options select_item_list /*解析列名*/  
  47.           {  
  48.             Select->parsing_place= NO_MATTER;  
  49.           }  
  50.           select_into select_lock_type  
  51.         ;  
  52.  
  53. select_into:  
  54.           opt_order_clause opt_limit_clause {}  
  55.         | into  
  56.         | select_from /*from 字句*/  
  57.         | into select_from  
  58.         | select_from into  
  59.         ;  
  60. select_from:  
  61.           FROM join_table_list /*解析表名*/ where_clause /*where字句*/ group_clause having_clause  
  62.           opt_order_clause opt_limit_clause procedure_analyse_clause  
  63.           {  
  64.             Select->context.table_list=  
  65.               Select->context.first_name_resolution_table=  
  66.                 Select->table_list.first;  
  67.           }  
  68.         | FROM DUAL_SYM where_clause opt_limit_clause  
  69.           /* oracle compatibility: oracle always requires FROM clause,  
  70.              and DUAL is system table without fields.  
  71.              Is "SELECT 1 FROM DUAL" any better than "SELECT 1" ?  
  72.           Hmmm :) */  
  73.         ;  
  74.  
  75. where_clause:  
  76.           /* empty */  { Select->where= 0; }  
  77.         | WHERE  
  78.           {  
  79.             Select->parsing_place= IN_WHERE;  
  80.           }  
  81.           expr /*各种表达式*/  
  82.           {  
  83.             SELECT_LEX *select= Select;  
  84.             select->where= $3;  
  85.             select->parsing_place= NO_MATTER;  
  86.             if ($3)  
  87.               $3->top_level_item();  
  88.           }  
  89.         ;  
  90.  
  91. /* all possible expressions */  
  92. expr:  
  93.            | expr and expr %prec AND_SYM  
  94.           {  
  95.             /* See comments in rule expr: expr or expr */  
  96.             Item_cond_and *item1;  
  97.             Item_cond_and *item3;  
  98.             if (is_cond_and($1))  
  99.             {  
  100.               item1= (Item_cond_and*) $1;  
  101.               if (is_cond_and($3))  
  102.               {  
  103.                 item3= (Item_cond_and*) $3;  
  104.                 /*  
  105.                   (X1 AND X2) AND (Y1 AND Y2) ==> AND (X1, X2, Y1, Y2)  
  106.                 */ 
  107.                  item3->add_at_head(item1->argument_list());  
  108.                 $$ = $3;  
  109.               }  
  110.               else  
  111.               {  
  112.                 /*  
  113.                   (X1 AND X2) AND Y ==> AND (X1, X2, Y)  
  114.                 */  
  115.                 item1->add($3);  
  116.                 $$ = $1;  
  117.               }  
  118.             }  
  119.             else if (is_cond_and($3))  
  120.             {  
  121.               item3= (Item_cond_and*) $3;  
  122.               /*  
  123.                 X AND (Y1 AND Y2) ==> AND (X, Y1, Y2)  
  124.               */  
  125.               item3->add_at_head($1);  
  126.               $$ = $3;  
  127.             }  
  128.             else  
  129.             {  
  130.               /* X AND Y */  
  131.               $$ = new (YYTHD->mem_root) Item_cond_and($1, $3);  
  132.               if ($$ == NULL)  
  133.                 MYSQL_YYABORT;  
  134.             }  
  135.           }  

在大家浏览上述代码的过程,会发现Bison中嵌入了C++的代码。通过C++代码,把解析到的信息存储到相关对象中。例如表信息会存储到TABLE_LIST中,order_list存储order by子句里的信息,where字句存储在Item中。有了这些信息,再辅助以相应的算法就可以对SQL进行更进一步的处理了。

c)核心数据结构及其关系

在SQL解析中,最核心的结构是SELECT_LEX,其定义在sql/sql_lex.h中。下面仅列出与上述例子相关的部分。

图3 SQL解析树结构

上面图示中,列名username、ismale存储在item_list中,表名存储在table_list中,条件存储在where中。其中以where条件中的Item层次结构最深,表达也较为复杂,如下图所示:

图4 where条件

SQL解析的应用

为了更深入的了解SQL解析器,这里给出2个应用SQL解析的例子。

无用条件去除

无用条件去除属于优化器的逻辑优化范畴,可以仅仅根据SQL本身以及表结构即可完成,其优化的情况也是较多的,代码在sql/sql_optimizer.cc文件中的remove_eq_conds函数。为了避免过于繁琐的描述,以及大段代码的粘贴,这里通过图来分析以下四种情况:

a)1=1 and (m > 3 and n > 4)

b)1=2 and (m > 3 and n > 4)

c)1=1 or (m > 3 and n > 4)

d)1=2 or (m > 3 and n > 4)

图5 无用条件去除a

图6 无用条件去除b 

图7 无用条件去除c

图8 无用条件去除d

如果对其代码实现有兴趣的同学,需要对MySQL中的一个重要数据结构Item类有所了解。因为其比较复杂,所以MySQL官方文档,专门介绍了Item类。阿里的MySQL小组,也有类似的文章。如需更详细的了解,就需要去查看源码中sql/item_*等文件。

SQL特征生成

为了确保数据库,这一系统基础组件稳定、高效运行,业界有很多辅助系统。比如慢查询系统、中间件系统。这些系统采集、收到SQL之后,需要对SQL进行归类,以便统计信息或者应用相关策略。归类时,通常需要获取SQL特征。比如SQL:

  1. select username, ismale from userinfo where age > 20 and level > 5; 

SQL特征为:

  1. select username, ismale from userinfo where age > ? and level > ?  

业界著名的慢查询分析工具pt-query-digest,通过正则表达式实现这个功能但是这类处理办法Bug较多。接下来就介绍如何使用SQL解析,完成SQL特征的生成。

SQL特征生成分两部分组成。

a) 生成Token数组

b) 根据Token数组,生成SQL特征

首先回顾在词法解析章节,我们介绍了SQL中的关键字,并且每个关键字都有一个16位的整数对应,而非关键字统一用ident表示,其也对应了一个16位整数。如下表:

将一个SQL转换成特征的过程:

在SQL解析过程中,可以很方便的完成Token数组的生成。而一旦完成Token数组的生成,就可以很简单的完成SQL特征的生成。SQL特征被广泛用于各个系统中,比如pt-query-digest需要根据特征对SQL归类,然而其基于正则表达式的实现有诸多Bug。下面列举几个已知Bug:

学习建议

最近,在对SQL解析器和优化器探索的过程中,从一开始的茫然无措到有章可循,也总结了一些心得体会,在这里跟大家分享一下。

首先,阅读相关书籍,书籍能给我们一个系统的认识解析器和优化器的角度。但是该类针对MySQL的书籍市面上很少,目前中文作品可以看下《数据库查询优化器的艺术:原理解析与SQL性能优化》。

其次,要阅读源码,但是最好以某个版本为基础,比如MySQL5.6.23,因为SQL解析、优化部分的代码在不断变化。尤其是在跨越大的版本时,改动力度大。

再次,多使用GDB调试,验证自己的猜测,检验阅读质量。

最后,需要写相关代码验证,只有写出来了才能算真正的掌握。

www.htsjk.Com true http://www.htsjk.com/shujukunews/16680.html NewsArticle SQL解析在美团点评中是如何应用的?,sql在美 导读 数据库作为核心的基础组件,是需要重点保护的对象。任何一个线上的不慎操作,都有可能给数据库带来严重的故障,从而给业务造...
评论暂时关闭