cms查询系统(二)json形式参数的设计与解析

本文涉及的产品
云数据库 MongoDB,通用型 2核4GB
简介:

1 前言

本篇文章主要来说明下代码模块的设计。像我们这种菜鸟级别,只有平时多读读源码,多研究和探讨其中的设计才可能提升自己,写出高质量的代码。

没有最好的设计,只有更好的设计,所以在发表我自己的愚见的同时,希望小伙伴们相互探讨更好的设计,有探讨才有更大的进步。

2 题目及分析

我们维护了一个数据中心,对外提供查询API,如何能让用户随意的添加查询条件,而不用修改后台的查询代码呢?用户如何配置查询条件,从而达到如下的sql效果呢?:

a.name='lg' or b.age>12
b.id in (12,34,45)
c.updateTime>'2015-3-28' and (b.id=2 or d.age<23)
e.age>f.age

2.1 查询参数的传递方式

我们作为API设计者,该如何让用户方便的传递他们任意的查询需求呢?这是我们要思考的地方。

目前来看比较好的方式莫过于:用户通过json来表达他们的查询需求。

2.2 查询的本质分析

从上面的查询来看,我们可以总结出来查询条件无非就是某个字段满足什么样的条件。这里有三个对象:

  • 查询的字段 如 b.age
  • 条件值 如 12
  • 怎样满足条件值 如 >

2.3 查询的配置分析

这样我们就可以清晰明了了,一个查询条件无非就是三个内容,所以可以如下配置:

{
    "columns":"b.age",
    "oper":">",
    "value":12
}

很显然,上面的确很麻烦,我们无非是要表达这三个内容,所以就要简化配置:

{
    "b.age":12,
    "oper":">"
}

还是不够简化,如何把操作符 > 也放置进去呢?如下

{
    "b.age@>":12
}

这样我们就可以把三个对象表达清楚了,将查询的字段和操作符合并起来作为key,并使用分隔符@分割两者,条件值作为value。这样就做到了,非常简化的查询配置。

接下来又面临一个问题,如何表达查询条件之间的and or 关系呢?即如何表达下面的内容呢?

c.age>14 and (b.id=2 or d.age<23)

借鉴mongodb的查询方案,可以如下配置:

{
    "c.age@>":14,
    "$or":{
        "b.id@=":2,
        "d.age@<":23
    }
}

通过配置一个$or作为key表明里面的几个查询条件是or的关系,如果是$and表明里面的查询条件之间是and的关系,外层默认是and的关系。

同时我们再回顾下,mongodb所作出的查询设计,也是通过用户配置json形式来表达查询意图,但是我们来看下它是如何查询

a.age>12 对应的mongodb的查询方式为:
{
    a.age : {
        $gt : 22
    }
}

我们的查询方式是

{
    "a.age@>":22
}

虽然看似我们的更加简单,mongodb的更加繁琐,主要是mongodb认为对于一个字段,可以有多个查询条件的,为了支持更加复杂的查询,如下:

{   
    a.age : {
        $lt :24,
        $gt : 17
    }
}

然而我们也可以对此进行拆分,如下,同样满足:

{
    "a.age@>":17"a.age@<":24,
}

各有各的好处和缺点,我就是我,颜色不一样的烟火。哈哈。。。

3 代码设计与实现

3.1 解析器接口的设计

对题目进行分析完了之后,就要考虑如何实现这样的json配置到sql的转化。实现起来不难,最重要的是如何做出一个高扩展性的实现?

再来看下下面的例子:

{
    "a.name@=":"lg",
    "b.age@>":12,
    "c.id@in":[12,13,14],
    "d.time@time>":"2015-3-1"
}

其实就是针对每个自定义的操作符进行相应的处理,所以就有了解析器接口:

public interface SqlParamsParser {

    //这里表示该解析器是否支持对应的操作符
    public boolean support(String oper);

    public String getParams(String key,Object value,String oper);

    public SqlParamsParseItemResult getParamsResult(String key,Object value,String oper);

}

其中SqlParamsParseItemResult,则是把解析后的结果分别存储起来,而不是直接拼接成一个字符串,主要为了直接拼接字符串式的sql注入,它的内容如下:

public class SqlParamsParseItemResult {
    private String key;
    private String oper;
    private Object value;
}

上面的key oper value 则是解析后的内容。下面举例说明

以"b.age@>“:12 为例,其中getParams方法中的 key就是b.age, value就是12, oper就是> 而这个方法的返回的字符串结果为:

b.age>12

返回的SqlParamsParseItemResult存储的内容为分别为 key=b.age ; oper=> ; value=12

以"c.id@in”:[12,13,14]为例,其中getParams方法中的 key就是c.id,value就是一个List集合,oper就是in ,这个方法的返回结果为:

c.id in (12,13,14)

返回的SqlParamsParseItemResult存储的内容为分别为 key=c.id ; oper=in ; value=(12,13,14)

以"d.time@time>“:“2015-3-1"为例,其中getParams方法中的 key就是c.id,value就是一个List集合,oper就是in,这个方法的返回结果为:

unix_timestamp(d.time) > 1425139200     (2015-3-1对应的秒数)

返回的SqlParamsParseItemResult存储的内容为分别为 key=unix_timestamp(d.time) ; oper=> ; value=1425139200

3.2 解析器接口的抽象类

解析器有很多相同的地方,这就需要我们进行抽象,抽出共性部分,留给子类去实现不同的部分。所以有了抽象类AbstractSqlParamsParser

有哪些共性部分和非共性部分呢?

  • 共性部分: 就是support方法。每个解析器支持某几种操作符,所以判断该解析器是否支持当前的操作符的逻辑是共同的,所以如下:

    public abstract class AbstractSqlParamsParser implements SqlParamsParser{
    
        private String[] opers; 
        private boolean ignoreCase=true;
    
        protected void setOpers(String[] opers){
            this.opers=opers;
        }   
        protected void setIgnoreCase(boolean ignoreCase){
            this.ignoreCase=ignoreCase;
        }
        @Override
        public boolean support(String oper) {
            if(opers!=null && oper!=null){
                for(String operItem:opers){
                    if(ignoreCase){
                        operItem=operItem.toLowerCase();
                        oper=oper.toLowerCase();
                    }
                    if(operItem.equals(oper)){
                        return true;
                    }
                }
            }
            return false;
        }
    }
    

    opers属性表示当前解析器所支持的所有操作符。ignoreCase表示在匹配操作符的时候是否忽略大小写。这两个属性都设置成private,然后对子类开放了protected类型的set方法,用于子类来设置这两个属性。

  • 非共性部分:留出了doParams方法供子类来具体实现

    @Override
    public SqlParamsParseItemResult getParamsResult(String key, Object value,
            String oper) {
        return doParams(key, processStringValue(value), oper);
    }
    
    protected abstract SqlParamsParseItemResult doParams(String key, Object value, String oper);
    

3.3 解析器接口的实现类

目前内置了几个常用的解析器实现,类图如下: 
SqlParamsParser接口类图

以TimeSqlParamsParser为例来简单说明下:

它主要是用于解析如下形式的:

{
    "d.time@time>":"2015-3-1"
}

最终想达到的效果是:

unix_timestamp(d.time) > 1425139200

它的解析过程如下:

/**
 * 以d.time@time>'2015-3-1'为例
 * 初始参数 key=d.time; value='2015-3-1'; oper=time>
 * 解析后的key=unix_timestamp(d.time); value=1425139200('2015-3-1'对应的秒数); oper=>
 */
@Override
protected SqlParamsParseItemResult doParams(String key, Object value, String oper) {
    String timeKey="unix_timestamp("+key+")";
    String realOper=oper.substring(4+fullTimeFlag.length());
    if(value instanceof String){
        String tmp=(String)value;
        Assert.isLarger(tmp.length(),2,"时间参数不合法");
        //默认进行了字符串处理,即加上了'',现在要去掉,然后解析成时间的秒数
        value=tmp.substring(1,tmp.length()-1);
        try {
            SimpleDateFormat format=new SimpleDateFormat(timeFormat);
            Date date=format.parse((String)value);
            value=date.getTime()/1000;
        } catch (ParseException e) {
            e.printStackTrace();
            throw new IllegalArgumentException("timeFormat为"+timeFormat+";value="+value+";出现了解析异常");
        }
    }else{
        Assert.isInstanceof(value,Number.class,"时间参数必须为时间的秒数");
    }
    return new SqlParamsParseItemResult(timeKey,realOper,value);
}

解析过程其实就是对key value oper 进行了不同程度的转换。

同时TimeSqlParamsParser还支持其他时间形式的解析,如"2015-3-1 12:23:12”,只需如下方式创建一个解析器:

new TimeSqlParamsParser("yyyy-MM-dd HH:mm:ss","full_")

然后他就能够解析下面的形式:

{
    "d.time@full_time>":"2015-3-1 12:23:12"
}

同时又能保留原有的形式,两者互不干扰。

4 DefaultSqlParamsHandler使用解析器

有了解析器的一系列实现,下面就需要一个综合的类来使用这些解析器。这就是DefaultSqlParamsHandler:

4.1 注册使用解析器

public class DefaultSqlParamsHandler {

private List<SqlParamsParser> sqlParamsParsers;

public DefaultSqlParamsHandler(){
    sqlParamsParsers=new ArrayList<SqlParamsParser>();
    sqlParamsParsers.add(new DefaultSqlParamsParser());
    sqlParamsParsers.add(new InSqlParamsParser());
    sqlParamsParsers.add(new TimeSqlParamsParser());
    sqlParamsParsers.add(new TimeSqlParamsParser("yyyy-MM-dd HH:mm:ss","full_"));
    sqlParamsParsers.add(new DefaultColumnSqlParamsParser());
}

内部已经注册了几个解析器。同时需要对外留出注册自定义解析器的方法:

public void registerSqlParamsHandler(SqlParamsParser sqlParamsParser){
    if(sqlParamsParser!=null){
        sqlParamsParsers.add(sqlParamsParser);
    }
}

public void registerSqlParamsHandler(List<SqlParamsParser> sqlParamsParsers){
    if(sqlParamsParsers!=null){
        for(SqlParamsParser sqlParamsParser:sqlParamsParsers){
            registerSqlParamsHandler(sqlParamsParser);
        }
    }
}

4.2 解析过程

这个过程不仅需要使用已经注册的解析器来解析,还包含对解析条件之间的and or 关系的递归处理。代码如下,不再详细说明:

private SqlParamsParseResult getSqlWhereParamsResultByAndOr(Map<String,Object> params,String andOr,
        boolean isPlaceHolder,SqlParamsParseResult sqlParamsParseResult){
    if(params!=null){
        String andOrDelititer=" "+andOr+" ";
        for(String key:params.keySet()){
            Object value=params.get(key);
            if(value instanceof Map){
                //这里需要进行递归处理嵌套的查询条件
                SqlParamsParseResult SqlParamsParseResultModel=null;
                if(key.equals(andKey)){
                    SqlParamsParseResultModel=processModelSqlWhereParams((Map<String,Object>)value,AND,isPlaceHolder);
                }else if(key.equals(orKey)){
                    SqlParamsParseResultModel=processModelSqlWhereParams((Map<String,Object>)value,OR,isPlaceHolder);
                }
                if(SqlParamsParseResultModel!=null && StringUtils.isNotEmpty(SqlParamsParseResultModel.getBaseWhereSql())){
                    sqlParamsParseResult.addSqlModel(andOrDelititer);
                    sqlParamsParseResult.addSqlModel("("+SqlParamsParseResultModel.getBaseWhereSql()+")");
                    sqlParamsParseResult.addArguments(SqlParamsParseResultModel.getArguments());
                }
            }else{
                //这里才是使用已经注册的解析器进行解析
                SqlParamsParseItemResult sqlParamsParseItemResult=processNormalSqlWhereParams(key,value,isPlaceHolder);
                if(sqlParamsParseItemResult!=null){
                    sqlParamsParseResult.addSqlModel(andOrDelititer);
                    sqlParamsParseResult.addSqlModel(sqlParamsParseItemResult.getSqlModel(isPlaceHolder,PLACE_HOLDER));
                    sqlParamsParseResult.addArgument(sqlParamsParseItemResult.getValue());
                }
            }
        }
        StringBuilder baseWhereSql=sqlParamsParseResult.getBaseWhereSql();
        if(StringUtils.isNotEmpty(baseWhereSql)){
            sqlParamsParseResult.setBaseWhereSql(new StringBuilder(baseWhereSql.substring(andOrDelititer.length())));
        }
    }
    return sqlParamsParseResult;
}

这里进行了递归调用,主要用于处理 $and $or 的嵌套查询,getSqlWhereParamsResultByAndOr可能内部调用了processModelSqlWhereParams,processModelSqlWhereParams内部又调用了getSqlWhereParamsResultByAndOr

private SqlParamsParseResult processModelSqlWhereParams(Map<String,Object> params,String andOr,boolean isPlaceHolder){
    return getSqlWhereParamsResultByAndOr(params,andOr,isPlaceHolder,new SqlParamsParseResult());
}

这里就是使用解析器进行解析的过程,先遍历每个解析器是否支持当前的操作符,如果支持则进行相应的解析

private SqlParamsParseItemResult processNormalSqlWhereParams(String key,Object value,boolean isPlaceHolder) {
    SqlParamsParseItemResult sqlParamsParseItemResult=null;
    String[] parts=key.split(separatorFlag);
    if(parts.length==2){
        for(SqlParamsParser sqlParamsParser:sqlParamsParsers){
            if(sqlParamsParser.support(parts[1])){
                sqlParamsParseItemResult=sqlParamsParser.getParamsResult(parts[0],value,parts[1]);
                break;
            }
        }
    }else{
        sqlParamsParseItemResult=new SqlParamsParseItemResult(key,"=",SqlStringUtils.processString(value));
    }
    return sqlParamsParseItemResult;
}

4.3 对外留出的扩展

{
    "c.age@>":14,
    "$or":{
        "b.id@=":2,
        "d.age@<":23
    }
}

这里面的@ $or 以及 $and 都是可以自己设定的,默认值是上述形式。

5 工程项目

这个小项目已经发布到osc上,见 osc的search-sqlparams项目

相关文章
|
11天前
|
存储 缓存 NoSQL
深入解析Redis:一种快速、高效的键值存储系统
**Redis** 是一款高性能的键值存储系统,以其内存数据、高效数据结构、持久化机制和丰富的功能在现代应用中占有一席之地。支持字符串、哈希、列表、集合和有序集合等多种数据结构,适用于缓存、计数、分布式锁和消息队列等场景。安装Redis涉及下载、编译和配置`redis.conf`。基本操作包括键值对的设置与获取,以及哈希、列表、集合和有序集合的操作。高级特性涵盖发布/订阅、事务处理和Lua脚本。优化策略包括选择合适数据结构、配置缓存和使用Pipeline。注意安全、监控和备份策略,以确保系统稳定和数据安全。
53 1
|
24天前
|
算法 Linux C++
【Linux系统编程】解析获取和设置文件信息与权限的Linux系统调用
【Linux系统编程】解析获取和设置文件信息与权限的Linux系统调用
29 0
|
24天前
|
算法 Linux C++
【Linux系统编程】深入解析Linux中read函数的错误场景
【Linux系统编程】深入解析Linux中read函数的错误场景
196 0
|
25天前
|
JSON JavaScript 前端开发
C++ 智能指针与 JSON 处理:高级编程技巧与常见问题解析
C++ 智能指针与 JSON 处理:高级编程技巧与常见问题解析
255 0
|
7天前
|
存储 JSON JavaScript
「Python系列」Python JSON数据解析
在Python中解析JSON数据通常使用`json`模块。`json`模块提供了将JSON格式的数据转换为Python对象(如列表、字典等)以及将Python对象转换为JSON格式的数据的方法。
24 0
|
8天前
|
分布式计算 资源调度 监控
Hadoop生态系统深度剖析:面试经验与必备知识点解析
本文深入探讨了Hadoop生态系统的面试重点,涵盖Hadoop架构、HDFS、YARN和MapReduce。了解Hadoop的主从架构、HDFS的读写流程及高级特性,YARN的资源管理与调度,以及MapReduce编程模型。通过代码示例,如HDFS文件操作和WordCount程序,帮助读者巩固理解。此外,文章强调在面试中应结合个人经验、行业动态和技术进展展示技术实力。
|
9天前
|
监控 测试技术 Android开发
移动应用与系统:开发与操作系统的深度解析
【4月更文挑战第11天】在这篇文章中,我们将深入探讨移动应用的开发过程,以及移动操作系统如何影响这些应用的性能和功能。我们将详细分析移动应用开发的关键步骤,包括需求分析、设计、编码、测试和维护。同时,我们也将探讨移动操作系统,如Android和iOS,如何为应用开发提供支持,并影响其性能。
|
22天前
|
机器学习/深度学习 搜索推荐 vr&ar
移动应用与系统的未来:从开发到操作系统的全面解析
本文将探讨移动应用和系统的未来,包括移动应用开发的趋势,移动操作系统的进展,以及这两者如何相互影响。我们将深入探讨如何通过理解这些变化,来优化移动应用的性能和用户体验。
10 2
|
24天前
|
存储 安全 Linux
嵌入式Linux系统bringup 启动全景解析
嵌入式Linux系统bringup 启动全景解析
70 0
|
24天前
|
Rust 算法 安全
【Rust中的所有权系统深入解析】A Deep Dive into Rust‘s Ownership System
【Rust中的所有权系统深入解析】A Deep Dive into Rust‘s Ownership System
26 0

推荐镜像

更多