BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

MetaModel——跨多种数据存储提供统一的数据访问

| 作者 Kasper Sørensen 关注 0 他的粉丝 ,译者 夏雪 关注 0 他的粉丝 发布于 2013年8月31日. 估计阅读时间: 21 分钟 | AICon 关注机器学习、计算机视觉、NLP、自动驾驶等20+AI热点技术和最新落地成功案例。

最近,Human InferenceApache软件基金会(ASF)分别宣布了捐赠与接受MetaModel项目的消息,今后MetaModel将成为一个Apache孵化器项目。此前,MetaModel遵循LGPL许可证,由Human Inference的产品开发团队管理,但现在已经转移到了ASF上,将遵循新的许可证、拥有新的社区、接受新的管理。那么这个项目到底是什么呢?它又有哪些用途?

MetaModel是一个Java类库,设计它的目的是提供一个可以与任何数据存储(不论是关系型数据库、NoSQL数据库,还是电子表格或者其他格式的文件)进行交互的单一接口。我们的意思是,通过交互来搜索元数据,查询、写入或更改数据存储中保存的数据。很显然,高层次抽象会丢失一些细节,会带来过度概括和丢失重要特性的风险。我们不想把关系型SQL数据库的功能减化到只有像(SELECT * FROM [table])这样的全表扫描。但另一方面,我们也不想暴露一些只能在特定品牌特定版本的SQL服务器上才能使用的功能,因为这些功能无法在任何其他数据存储上使用。最终,我们想基于现有的常规技能(比如标准SQL)建立数据交互方式。

元数据处理

那么,MetaModel项目为数据存储的方法做了怎样的抽象?该项目通过Java接口发布了一个非常类似于SQL的查询模型,有时该模型也可从字符中解析。由于把查询定义为常规的Java对象,就能容易地解析查询(取决于底层技术),并能根据底层技术细节选择最佳的执行策略。这意味着MetaModel不仅提供了一个接口,还提供了一个完整的查询引擎,这个引擎在查询时可以处理部分或者全部任务。如果你使用的是关系型JDBC数据库,会在数据库的本地引擎上执行99%的查询。但是如果使用了MetaModel,就可以利用它的查询引擎把数据切片、切块,就能在CSV文件或Excel电子表格上执行同样的查询了。同时,你根本不必修改查询语句。

当然,这得假设你数据存储的元数据与数据结构是兼容的。不同的数据存储以不同的方式暴露或推理元数据。JDBC数据库通常会通过JDBC元数据API暴露元数据。文件格式(比如CSV和Excel表格)并没有很明确地定义,通常可以读取文件的首行内容获取它们的元数据。还有种比较极端的情况,有一些NoSQL数据库甚至根本就没有元数据。MetaModel可以让你选择暴露元数据的方式,你可以指定是以编程方式暴露,或通过检查数据存储的前N条记录的方式来推理出元数据。

MetaModel中最核心的设计是DataContext接口,它表示数据存储,可以用它来浏览和查询该数据存储。此外,它的子接口UpdateableDataContext表示可写的数据存储,可以用它更新数据。一旦你拥有了DataContext实例,就可以或多或少地学习使用类库代码补全的功能了。这里有几个DataContext实现的典型示例,让我们来看看它们是如何实例化的:

// a DataContext for a CSV file  
UpdateableDataContextcsv = new CsvDataContext(new File(“data.csv”));  

       // a DataContext for an Excel spreadsheet  
UpdateableDataContext excel = new ExcelDataContext(new File(“spreadsheet.xlsx”));  

       // a DataContext for a JDBC database (can use either DataSource or Connection)  
java.sql.DataSourcedataSource = …  
UpdateableDataContextjdbc = new JdbcDataContext(dataSource);  

       // a DataContext for an XML file (where metadata is automatically inferred)  
DataContext xml = new XmlDomDataContext(new File(“data.xml”)); 

       // a DataContext for connecting to Salesforce.com’s data web services  
UpdateableDataContextsalesforce =  
newSalesforceDataContext(username, pw, securityToken);  

       // a in-memory DataContext for POJOs (useful for testing and mocking)  
          Person record1 = ...
          Person record2 = ...
TableDataProvidertableDataProvider = new ObjectTableDataProvider(
             “persons”, Person.class, Arrays.asList(record1, record2));  
UpdateableDataContextpojos = new PojoDataContext(“schema”, tableDataProvider);

对于MetaModel来说元数据极为重要,它不仅用来管理数据结构,而且还用来定义查询。如果你的查询要确保使用了适当的元数据,就需要投入大量的精力保证查询的安全性。因此,作为一名开发人员,你在查询之前就要持有元数据对象。举例来说,如果你知道有一张表,表名是ORDER_LINE,它有一列是price,另一列是order_id,那么就可以用寻常的硬编码方式去查询所需的元数据(显然,只有你熟悉数据存储时才能使用这种方式):

DataContextdataContext = ... // the DataContext object represents the ‘connection’  
          Table orderLines = dataContext.getTableByQualifiedLabel(“ORDER_LINES”);  
          Column price = orderLines.getColumnByName(“price”);
          Column orderId = orderLines.getColumnByName(“order_id”);

此外,你还可以使用API基于探索的方式动态获取元数据。当你想为用户提供定制查询时,这种方式就能发挥巨大的作用了,你可以用这种方式为用户提供可用的表和列,让用户自己选择所需的查询。

Schema[] schema = dataContext.getSchemas();  
Table[] tables = schemas[0].getTables();  
Column[] columns = tables[0].getColumns();

MetaModel还一个非常重要的思想,它把元数据、查询和其他数据交互都当作是对象。查询在MetaModel中就是一个普通的Java对象,所以你可以在执行之前篡改它,也可以把它分发出去。这使应用程序可以创建由不同代码块协作完成的复合工作流程,在优化查询计划时就不必再面对冗长的SQL字符串操作了。它对类型安全也很有帮助,举例来说,查询模型是基于像列、表等类型安全的结构来描述模型的,而不是采用模糊不清的字符串常量。

数据存储的查询

那么,让我们来看看MetaModel是如何查询数据存储的。

你可以用三种不同的方式触发同一个查询:

1. 手写所有代码:

手写所有代码是POJO的传统方式。用这种方式要写非常冗长的代码,但你能得到最高的灵活性。

Query q = new Query();  
q.select(SUM, price);  
q.select(orderId);  
q.from(orderLines);  
q.groupBy(orderId);  
q.setMaxRows(100);  
DataSetdataSet = dataContext.executeQuery(q);

2. 使用优雅的Builder API:

使用Builder API是另外一种类型安全的查询方式,用这种方式只需要编写较短的代码。另外,这个API运用了建造者模式builder-pattern),使开发人员可以迭代调用API,一步一步补充子查询逻辑。如果你只想定义一个组件的查询,首先就应考虑这种方式。

 Query q = dataContext.query().from(orderLines)  
                        .select(SUM, price).and(orderId)  
                        .groupBy(orderId).maxRows(100).toQuery(); 
DataSetdataSet = dataContext.executeQuery(q);

3. 通过字符串解析

有时可能你只想快捷简单地完成工作,那么就可以使用编写SQL语句这种更加传统的方式了。MetaModel也能把普通字符串解析成查询,但这种方式只能在运行期验证查询语句,所以存在类型安全的风险。

Query q = dataContext.parseQuery(
             “SELECT SUM(price), order_id FROM order_lines GROUP BY order_id LIMIT 100”);  
DataSetdataSet = dataContext.executeQuery(q);

很明显可以看出,这三种方式最终的查询结果都是一个DataSet类型的对象,这个对象把查询结果描述成一个表格。DataSet并没有太多复杂的特性,遍历它的方法非常简单,如下所示:

Try {  
   while (dataSet.next()) {  
       Row row = dataSet.getRow();  
System.out.println(row.toString());  
   }  
} finally {  
dataset.close();  
}

数据存储的更新

MetaModel使用类型安全、元数据驱动的方法执行更新。如前文所述,并非所有的数据存储都是可写的,所以若要写入数据,你不仅仅需要一个DataContext对象,还需要实现UpdateableDataContext接口。假设,我们想更新order表的数据,代码示例如下:

dataContext.executeUpdate(new UpdateScript() {  
             @Override  
             public void run(UpdateCallbackcb) {  
                 // insert a new order line  
cb.insertInto(orderLines).value(orderId, 123).value(price, 395).execute();   

                 // update the price of orderlines where order_id = 122  
cb.update(orderLines).where(orderId).eq(122).value(price, 295).execute();  
             }  
         });

这里要注意UpdateScript的代码结构,更新操作是放在逻辑事务里的。MetaModel会根据不同的底层数据技术选用适当的事务策略,比如JDBC数据库就会采用ACID事务,对于大多数文件格式的存储就会采用同步写入的策略,不一而足。最终使你只需要用单一的语法就能把数据写入到所有数据存储中。

因为示例代码使用了匿名内部类,所以看起来并不是特别优雅。但Java 8肯定会借助闭包的概念改进这一点。此外,如果你只希望执行一个单独的操作,也可以使用几个预制的UpdateScript类,它们简单易用,极易上手:

dataContext.executeUpdate(
             new InsertInto(orderLines).value(orderId, 123).value(price, 395));

而且,你还可以使用executeUpdate方法创建和删除表,也能用它删除表记录。

对新的数据存储支持

最后,MetaModel的专家级用户可能会问,“如果我想连接[XYZ]呢?”(XYZ是我们暂不支持的其他数据存储)。很显然,我们希望MetaModel易于扩展,出于这个原因和其他方面的考虑,我们设计了可插拔的查询引擎。你只需要自己实现DataContext接口,但是如果你从头开始实现的话,也不是很简单。所以,我们为你提供了一个抽象类实现,它包括了几个扩展点。以下是全部过程:

  • 先让你的类扩展抽象类QueryPostprocessDataContext。然后你会发现几个需要实现的抽象方法:
    • getMainSchema()
      通过实现这个方法,暴露你DataContext的模式模型。
    • materializeMainSchemaTable(Table, Column[], int)
      通过实现这个方法,为一张特定的表提供一个相当于全表扫描的实现。
  • 现在你的DataContext就可以使用了,你可以在外来数据存储中开始使用MetaModel了!
  • 但是,我们还要继续优化!虽然我们的DataContext现在完全可以使用了,但是可能它还无法执行某些查询,因为MetaModel查询引擎依赖于materializeMainSchemaTable(...)方法,会把该方法的执行结果作为数据源来处理几乎所有的查询。所以,你可能还需要重写以下几个方法:
    • executeCountQuery(...)
      很多数据存储都提供了这么一个统计指定表总记录数的简易方法。由于经常会用到这种查询,所以很有必要重写这个方法。
    • materializeMainSchemaTable(Table, Column[], int, int)
      大家很多时候都会采用分页查询的方式获取表数据(从第X条记录到第Y条记录)。为了满足这种查询需求,就需要在这个方法中追加int类型的参数,让使用者可以通过这个参数按页查询,而不必总是查出整张表的所有记录。
    • executeQuery(Query)
      如果你想要进一步优化,支持WHERE或GROUP BY子句,就需要重写这个方法。为了满足各种复杂的情况,MetaModel把这个方法的参数(Query)设计为复杂对象类型。在SalesforceDataContext和MongoDbDataContext两个类的源代码中可以找到一些很好的参考示例。

结束语

在这篇文章中,我们介绍了MetaModel(它是一个类库,让我们可以用它访问各种不同的数据存储),解释了如何用它处理元数据,如何用它询问存储,以及如何用它更新数据。

即使MetaModel搬了新家(Apache),我们将来还会继续完善它。我们将会针对HBase、Cassandra和其他流行的数据库增加更多内置的DataContext实现。并且进一步扩展特性,让你可以利用元数据完成更多的工作。除了这些,我们还有一些其他的想法,比如我们正在努力丰富元数据嵌套结构(比如许多NoSQL数据库都会用到的地图和列表)、创建虚拟表(类似于视图,但要建在客户端上,而不是服务端上)的能力,支持把POJO映射为DataSet行,为查询引擎添加更多的功能。

如果您对这个项目感兴趣,可以在Apache Incubator MetaModel页面中查阅到邮件列表、bug跟踪等相关内容。

作者简介

Kasper SørensenHuman Inference的首席软件工程师和产品经理。他的专业特长和兴趣爱好是开发数据密集型应用产品。在哥本哈根商学院毕业时,他创办了DataCleanerMetaModel这两个开源项目,他硕士论文的部分内容就是关于这两个项目的。你可以在他的博客Kasper’s Source中了解更多内容。

 

查看英文原文:MetaModel – Providing Uniform Data Access Across Various Data Stores


感谢马国耀对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ)或者腾讯微博(@InfoQ)关注我们,并与我们的编辑和其他读者朋友交流。

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

by lise lie

加油


www.east-tools.com

感觉和 .net linq很像 by 王 仕超

感觉和 .net linq很像

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

2 讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT