Atitit.数据操作dsl 的设计 ---linq 方案
Atitit.数据操作dsl 的设计 ---linq 方案
1.1. sql与api方式
对于数据操作,目前常用的俩中方案sql与api方式,api里面又分为linq方案与stream方案。。
一下是他们的比较原则上,以人类可读性为优先。Sql的可读性是最强的,单他的机器可读性就是最差的。。。Api方式则相反,易于解析,牺牲了部分人类可读性,来换取方便的机器解析。。
Sql的解析比较困难,不太适合直接作为dsl来使用。。当然如果数据源是数据库的话,已经实现了sql的解析了,就可以使用sql作为dsl来使用了。。如果是其他的数据源比如list,就自己实现解析sql来查询list,就比较麻烦了。。
1.2. Linq方案与stream方案的选择,
linq是stream的特列。专门化的一种dsl,可读性更好,类似sql,而sql几乎作为实际操作的一种标准dsl,符合标准比较好,容易学习。。绝大部分场合下,应该使用linq方式。。
部分常见的数据结构,可以特化stream api来用,stream api有着更加灵活和简便的操作可以对特定操作。
作者:: ★(attilax)>>> 绰号:老哇的爪子 ( 全名::Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 ) 汉字名:艾龙, EMAIL:1466519819@qq.com
转载请注明来源: http://www.cnblogs.com/attilax/
1.3. 前缀表达式 vs 中缀表达式
Linq的实现模式有俩中,一种是api 前缀表达式模式,此种模式容易解析,单可读性稍微差点。 Api中缀表达式,容易解析,可读性强,但是,此类模式工作量庞大,一般使用机器生成,会带来同步维护性问题,放弃。。
1.4. 要不要字符串分隔符
Sql使用单偏好作为字符串分隔符,其他编程语言使用双引号,但是带来连解麻烦的问题。
考虑到可读性,以及机器解析的需要,反正以及分割的很小单位表达式了,容易解析的,就无需字符串分隔符了。。
1.5. 尽可能的兼容sql标准
1.6. 多数据源的支持
内存数据,string,list ,cache,nosql,文件,excel,数据库等均可以利用linq来查询与操作
1.7. 结论
所以折中考虑下,人类可读性优先考虑,但是开发简单性也要保证。。最终的比较好的方案就是在大操作上 from where等使用api函数模式,但里面的条件表达式等使用sql模式的文本中缀表达式模式,方便机器解析。。
1.8. 活动发起计划:
兄弟们,我们联合起来,搞个linq呀,我们的目标:
---多数据源的支持:内存数据,string,list ,cache,nosql,文件,excel,数据库等均可以利用linq来查询与操作
实现思路:先把linq里面的表达式简单词法分析,转换为全部的api函数式前缀表达式结构。构建ast,然后执行语法解析。。即可。。
1.9. 最终结果如下
List list=ListUtil.addMapFromStr(“name:李明,age:11”).addMapFromStr(“name:刘利,age:17”).toList();
List<Map> result_list= select(“name,age”).from(list).where(“name=李明”).and(“age>12”).orderby(“name,age desc”);
实现思路:先把linq里面的表达式简单词法分析,转换为全部的api函数式前缀表达式结构。构建ast,然后执行语法解析。。即可。。
相关文章
- 使用Sqoop job工具同步数据
- 大数据应用电子商务之精准推广
- Java实现 蓝桥杯VIP 算法训练 链表数据求和操作
- 第三百节,python操作redis缓存-其他常用操作,用于操作redis里的数据name,不论什么数据类型
- ExtJS5学习之Grid与Grid之间的数据拖拽
- Repeater数据绑定和操作
- 数据的无量纲化处理和标准化处理的区别是什么
- 数据采集
- MFC Windows 程序设计[196]之数据表格的处理(附源码)
- MyCat实战--读写分离/数据分片/mycat集群/haproxy负载均衡
- Atitit.数据操作dsl 的设计 ---linq 方案
- Atitti.数据操作crud js sdk dataServiceV3设计说明
- Atitit.各种 数据类型 ( 树形结构,表形数据 ) 的结构与存储数据库 attilax 总结
- 说说这些年做的云计算和大数据项目
- Spring Boot 处理 Long 类型的 json 数据,前端调用精度丢失,变成 00
- 0x05 MySQL 数据操作
- 大数据Hadoop之——Apache Hudi 数据湖实战操作(FlinkCDC)
- 数据操作和数据预处理
- pytorch 11 支持任意维度数据的focal loss的实现(支持ignore_index,支持反向传播训练,支持多分类)
- 【UiPath2022+C#】UiPath 数据操作
- 【大数据开发运维解决方案】OGG For Bigdata 12按操作类型同步Oracle数据到kafka不同topic