之前已经浅谈(浅析构建SQL-to-SQL的翻译器)，再谈(再谈SQL-to-SQL翻译器)过两次SQL-to-SQL了，这次就只能又谈了，希望这个系列，还能再谈下去，我想做个102年的公众号...
这次从一张图说起，就是下面这幅图，当我画完他的时候，我就感觉无比的舒爽。让整个执行流程，可控，并且可扩展。还记得当初上学的时候，数学建模课上，老师为了“求证一张四条腿的椅子，四条腿处在一个平面上的概率”，写了满满四黑板板书，然后心满意足的，跟一脸蒙的我们说，“看，多美啊！”。我现在有点理解他当时的状态了。
有眼尖的同学，可能已经发现了，没错，这里借鉴了Flink的流程设计。
简单的说，输入-> 转换 -> 输出 经典的三段论式构造。
这里我们把输入 SourceFunction 和 输出 SinkFunction 进行了抽象，但是并没有像Flink那样，输入输出集成相同的接口，可以自由转换，从需求上来看，是没有必要Sql -to- Sql -to- Sql 的必要的。
在转换过程中，我们引用了DSL，来承接前面的SQL解析，以及后续的SQL生成，于是，自然的将转换分成了2段，即输入转换（SourceMapper） 和 输出转换（SinkMapper）
而定义转换与否，以及转换动如何完成，我们可以轻松的通过java自带的 Function 接口来实现。
一个输入是可以接对接N条输出的，输出的方向也完全由实现 SinkFunction 的对象来自实现。
如果后续，把任务并行化，Pipline 对外提供高阶函数的话， 画美不看...
DEMO：
代码语言：javascript复制 public static void main(String[] args) throws IOException {
//输入
FileSourceFunction fileSourceFunction = new FileSourceFunction();
fileSourceFunction.init(new File("fff.txt"));
//输出
PrintlnSinkFunction<PrintStream> printSinkFunction = new PrintlnSinkFunction();
ListSinkFunction listSinkFunction = new ListSinkFunction();
TransformPepline tp = new TransformPepline(); //添加输入输出
tp.addSource(fileSourceFunction)
.addSink(printSinkFunction)
.addSink(listSinkFunction);
//定制转换动作
tp.addSourceMapFunction(new Function<String, String>() {
SqlTransExecManager sqlTransExecManager = new SqlTransExecManager().build();
@Override
public String apply(String s) {
return sqlTransExecManager.doParseAndTransform(s).getTargetSql();
}
});
//执行
tp.execute();
System.out.println(listSinkFunction.getLists());
}如果文章对您有那么一点点帮助，我将倍感荣幸
欢迎 关注、在看、点赞、转发
