作者:谢其骏
北京航空航天大学在读硕士, Databend 研发工程师实习生
https://github.com/jun0315
基本介绍
Parser 模块主要负责将 SQL 字符串经过词法分析得到的 Token 列表转换为 AST(抽象语法树)的过程。
下面是函数定义:
/// Parse a SQL string into `Statement`s.
pub fn parse_sql<'a>(
sql_tokens: &'a [Token<'a>],
dialect: Dialect,
) -> Result<(Statement, Option<String>)>
复制代码
parse_sql
接受两个参数:sql_tokens
和 dialect
,返回一个 Result
,其中包含一个 Statement
和一个可选的输出格式String
(如 CSV 格式等)。
sql_tokens
参数是一个对 SQL 语句进行词法分析之后得到的Token
数组,令牌包含关键字、标识符、运算符等信息。
dialect
参数表示 SQL 方言,Rust 提供了几种常见的方言,比如 SQLite、MySQL 等。
parse_sql
函数的主要作用是将 SQL 的 Token 解析为 AST( Abstract Syntax Tree 抽象语法树)。AST 是一个用于表示程序语言语法结构的树形数据结构,它的节点代表程序语法的不同部分,通过这个数据结构可以更方便地对程序语言进行分析和处理。
Nom 库
Databend 的 Parser 模块主要使用了nom 库和 nom-rule 库。
nom
是一个基于parser
组合器的库,它允许开发者定义小型的 parser,然后将它们组合成更复杂的 parser。
nom-rule
是基于 nom
库的一个规则引擎库,可以用于语法分析、解析和转换。它提供了一种声明式的方式来定义语法规则,同时支持错误处理和自定义语法扩展。
2.1 parser
在 nom 中,parser
是一个 trait,定义了一个通用的解析器接口,任何实现了该 trait 的解析器都可以用于解析。这个 trait 定义了一个名为parse
的方法,该方法接受一个输入数据,进行解析,返回一个IResult
类型的结果,I、O 和 E 分别表示剩余未解析的数据、解析结果和错误类型。
pub trait Parser<I, O, E> {
/// A parser takes in input type, and returns a `Result` containing
/// either the remaining input and the output value, or an error
fn parse(&mut self, input: I) -> IResult<I, O, E>;
}
复制代码
接下来,我们将介绍一些 Databend 中用到的重要的 parser 组件。
2.2 map
map
组件是一个函数式编程工具,用于将解析器解析出的数据转换为其他类型或格式。map
组件接受两个参数:一个解析器和一个函数,用于将解析器的结果转换为另一种格式。
map
组件的函数参数是一个闭包,它接受解析器解析出的数据,并将其转换为其他类型或格式。通常,闭包的返回值将成为解析器的最终结果。下面是一个简单的示例:
use nom::{Err,error::ErrorKind, IResult,Parser};
use nom::character::complete::digit1;
use nom::combinator::map;
let mut parser = map(digit1, |s: &str| s.len());
// the parser will count how many characters were returned by digit1
assert_eq!(parser.parse("123456"), Ok(("", 6)));
// this will fail if digit1 fails
assert_eq!(parser.parse("abc"), Err(Err::Error(("abc", ErrorKind::Digit))));
复制代码
在这个例子中,首先使用了 nom 中的digit1
parser 组件来解析连续的数字字符,然后使用map
组件对解析结果进行转换,将数字字符串的长度作为解析结果返回。
2.3 alt
alt
是一个组合子,它用于在多个解析器之间进行选择。它接受两个或多个解析器作为参数,并依次尝试将输入数据解析为这些解析器中的一个,返回第一个成功解析的结果。下面是一个简单的示例:
use nom::character::complete::{alpha1, digit1};
use nom::branch::alt;
fn parser(input: &str) -> IResult<&str, &str> {
alt((alpha1, digit1))(input)
};
// the first parser, alpha1, recognizes the input
assert_eq!(parser("abc"), Ok(("", "abc")));
// the first parser returns an error, so alt tries the second one
assert_eq!(parser("123456"), Ok(("", "123456")));
// both parsers failed, and with the default error type, alt will return the last error
assert_eq!(parser(" "), Err(Err::Error(error_position!(" ", ErrorKind::Digit))));
复制代码
在这个例子中,我们使用alt
组件将两个 parser 拼接在一起:alpha1
和digit1
。这两个 parser 都是 nom 中的字符解析器,alpha1
解析一个或多个字母,digit1
解析一个或多个数字。因此,alt
尝试首先使用alpha1
解析输入,如果解析成功,则返回其结果(即解析的字母字符串)。否则,alt
将使用digit1
解析输入,如果解析成功,则返回其结果(即解析的数字字符串)。如果两个 parser 都解析失败,则返回一个错误。
2.4 tuple
tuple
是一个组合子,用于将多个解析器按顺序组合起来,形成一个元组。
除了可以嵌套多个解析器之外,tuple
还支持使用 map
函数对解析结果进行转换。
use nom::sequence::tuple;
use nom::character::complete::{alpha1, digit1};
let mut parser = tuple((alpha1, digit1, alpha1));
assert_eq!(parser("abc123def"), Ok(("", ("abc", "123", "def"))));
assert_eq!(parser("123def"), Err(Err::Error(("123def", ErrorKind::Alpha))));
复制代码
这段代码演示了如何使用tuple
组合子将多个解析器按顺序组合起来。tuple
会将多个解析器打包成一个元组返回,元组中包含了每个解析器的结果。
在上面的例子中,tuple
包含了三个解析器:alpha1
,digit1
和另一个alpha1
。它们按顺序解析输入字符串中的字符,并将结果打包成一个三元组。
2.5 rule!
#[macro_export]
macro_rules! rule {
($($tt:tt)*) => { nom_rule::rule!(
$crate::match_text,
$crate::match_token,
$($tt)*)
}
}
复制代码
rule! 首先给定了 match_text(匹配文本)和 match_token(匹配 TokenKind )的方法,接着再调用nom_rule
中的 rule 宏定义,这样可以方便的拼装成上文提到的tuple
组合子。
举例如下
let mut rule = rule!(
CREATE ~ TABLE ~ #ident ~ ^"(" ~ (#ident ~ #ident ~ ","?)* ~ ")" ~ ";" : "CREATE TABLE statement"
);
复制代码
最终会被展开为
let mut rule =
nom::error::context(
"CREATE TABLE statement",
nom::sequence::tuple((
(crate::match_token)(CREATE),
(crate::match_token)(TABLE),
ident,
(nom::combinator::cut(crate::match_text)("(")),
nom::multi::many0(nom::sequence::tuple((
ident,
ident,
nom::combinator::opt((crate::match_text)(",")),
))),
(crate::match_text)(")"),
(crate::match_text)(";"),
))
);
复制代码
摘自 https://github.com/andylokandy/nom-rule#example
源码分析
在了解了 parser 组件之后,我们继续探究实际的源码。
在parser_sql
函数中,调用了statement(Input(sql_tokens, dialect, &backtrace))
。
statement
函数实际上解析 token 的地方:
map(
rule! {
#statement_body ~ (FORMAT ~ #ident)? ~ ";"? ~ &EOI
},
|(stmt, opt_format, _, _)| StatementMsg {
stmt,
format: opt_format.map(|(_, format)| format.name),
},
)(i)
复制代码
通过调用 rule 宏定义,解析statement_body
,而statement
也是用 alt 组件拼成的多个 parser 。
let statement_body = alt((
rule!(
#map(query, |query| Statement::Query(Box::new(query)))
| #explain : "`EXPLAIN [PIPELINE | GRAPH] <statement>`"
| #explain_analyze : "`EXPLAIN ANALYZE <statement>`"
| #delete : "`DELETE FROM <table> [WHERE ...]`"
| #update : "`UPDATE <table> SET <column> = <expr> [, <column> = <expr> , ... ] [WHERE ...]`"
| #show_settings : "`SHOW SETTINGS [<show_limit>]`"
| #show_stages : "`SHOW STAGES`"
| #show_engines : "`SHOW ENGINES`"
| #show_process_list : "`SHOW PROCESSLIST`"
| #show_metrics : "`SHOW METRICS`"
| #show_functions : "`SHOW FUNCTIONS [<show_limit>]`"
| #kill_stmt : "`KILL (QUERY | CONNECTION) <object_id>`"
| #set_role: "`SET [DEFAULT] ROLE <role>`"
| #show_databases : "`SHOW [FULL] DATABASES [(FROM | IN) <catalog>] [<show_limit>]`"
| #undrop_database : "`UNDROP DATABASE <database>`"
| #show_create_database : "`SHOW CREATE DATABASE <database>`"
| #create_database : "`CREATE DATABASE [IF NOT EXIST] <database> [ENGINE = <engine>]`"
| #drop_database : "`DROP DATABASE [IF EXISTS] <database>`"
| #alter_database : "`ALTER DATABASE [IF EXISTS] <action>`"
| #use_database : "`USE <database>`"
),
......
// catalog
rule!(
#show_catalogs : "`SHOW CATALOGS [<show_limit>]`"
| #show_create_catalog : "`SHOW CREATE CATALOG <catalog>`"
| #create_catalog: "`CREATE CATALOG [IF NOT EXISTS] <catalog> TYPE=<catalog_type> CONNECTION=<catalog_options>`"
| #drop_catalog: "`DROP CATALOG [IF EXISTS] <catalog>`"
),
));
复制代码
每一个 parser,如第六行的delete
都是 map 组件,会转换成Statement
。delete
会最终转换成Statement::Delete
。
let delete = map(
rule! {
DELETE ~ FROM ~ #table_reference_only
~ ( WHERE ~ ^#expr )?
},
|(_, _, table_reference, opt_selection)| Statement::Delete {
table_reference,
selection: opt_selection.map(|(_, selection)| selection),
},
);
复制代码
最终通过拼装出来的 parser 来转换成Statement
。至此,整个 Parser 解析的过程就完成了。
关于 Databend
Databend 是一款开源、弹性、低成本,基于对象存储也可以做实时分析的新式数仓。期待您的关注,一起探索云原生数仓解决方案,打造新一代开源 Data Cloud。
👨💻 Databend Cloud:https://databend.cn
📖 Databend 文档:https://databend.rs/
💻 Wechat:Databend
✨ GitHub:https://github.com/datafuselabs/databend
评论