8.7.2后分离了多个环境(Spring/Solon/Vertx)比之前的版本多一个依赖
具体参考【8.7.2更新】 详细说明请参考: 【官网】
开发测试环境请使用【8.7.2-SNAPSHOT】版本 语法测试请参考【各数据库模拟环境】
发版务必到【中央库】找一个正式版本,不要把SNAPSHOT版本发到生产环境
关于多数据源,请先阅读
【三种方式注册数据源】
【三种方式切换数据源】
【多数据源事务控制】
低代码平台、数据中台等场景需要生成SQL/操作元数据参考
【JDBCAdapter】
【SQL及日志】
【service.metadata】
【SQL.metadata】
快速开始请参考示例源码(各种各样最简单的hello world):
https://gitee.com/anyline/anyline-simple
一个字都不想看,就想直接启动项目的下载这个源码:
https://gitee.com/anyline/anyline-simple-clear
有问题请不要自行百度,因为百度收录的内容有可能过期或版本不一致, 有问题请联系
QQ群(86020680) | 微信群 | 过期或满员联系管理员 |
AnyLine的核心是一个面向运行时的D-ORM(动态对象关系映射)
主要用来读写元数据、动态注册切换数据源、对比数据库结构差异、生成动态SQL、复杂的结果集操作
适配各种关系型与非关系型数据库(及各种国产小众数据库)
常用于动态结构场景的底层支持,作为SQL解析引擎或适配器出现
如:数据中台、可视化、低代码、SAAS、自定义表单、异构数据库迁移同步、 物联网车联网数据处理、
条件/数据结构、 爬虫数据解析等。
参考【适用场景】
注意这里的数据源并不是主从关系,而是多个完全无关的数据源。
DataSource ds_sso = new DruidDataSource();
ds_sso.setUrl("jdbc:mysql://localhost:3306/sso");
ds_sso.setDriverClassName("com.mysql.cj.jdbc.Driver");
...
DataSourceHolder.reg("ds_sso", ds_sso);
或
DataSourceHolder.reg("ds_sso", pool, driver, url, user, password);
DataSourceHolder.reg("ds_sso", Map<String, Object> params); //对应连接池的属性k-v
//查询ds_sso数据源的SSO_USER表
DataSet set = ServiceProxy.service("ds_sso").querys("SSO_USER");
来自静态配置文件数据源(如果是spring环境可以按spring格式)
#默认数据源
anyline.datasource.type=com.zaxxer.hikari.HikariDataSource
anyline.datasource.driver-class-name=com.mysql.cj.jdbc.Driver
anyline.datasource.url=jdbc:mysql://localhost:33306/simple
anyline.datasource.user-name=root
...更多参数
#其他数据源
anyline.datasource-list=crm,erp,sso,mg
anyline.datasource.crm.driver-class-name=com.mysql.cj.jdbc.Driver
anyline.datasource.crm.url=jdbc:mysql://localhost:33306/simple_crm
anyline.datasource.crm.username=root
anyline.datasource.erp.driver-class-name=com.mysql.cj.jdbc.Driver
anyline.datasource.erp.url=jdbc:mysql://localhost:33306/simple_erp
anyline.datasource.erp.username=root
DML
如果是web环境可以
service.querys("SSO_USER",
condition(true, "NAME:%name%", "TYPE:[type]", "[CODES]:code"));
//true表示需要分页,没有传参籹值的条件默认忽略
//生成SQL:
SELECT *
FROM SSO_USER
WHERE 1=1
AND NAME LIKE '%?%'
AND TYPE IN(?,?,?)
AND FIND_IN_SET(?, CODES)
LIMIT 5,10 //根据具体数据库类型
//用户自定义查询条件,低代码等场景一般需要更复杂的查询条件
ConfigStore confis;
service.query("SSO_USER", configs);
ConfigStore提供了所有的SQL操作
//多表、批量提交、自定义SQL以及解析XML定义的SQL参数示例代码和说明
读写元数据
@Autowired("anyline.service")
AnylineService service;
//查询默认数据源的SSO_USER表结构
Table table = serivce.metadata().table("SSO_USER");
LinkedHashMap<String, Column> columns = table.getColumns(); //表中的列
LinkedHashMap<String, Constraint> constraints = table.getConstraints(); //表中上约束
List<String> ddls = table.getDdls(); //表的创建SQL
//删除表 重新创建
service.ddl().drop(table);
table = new Table("SSO_USER");
//这里的数据类型随便写,不用管是int8还是bigint,执行时会转换成正确的类型
table.addColumn("ID", "BIGINT").autoIncrement(true).setPrimary(true).setComment("主键");
table.addColumn("CODE", "VARCHAR(20)").setComment("编号");
table.addColumn("NAME", "VARCHAR(20)").setComment("姓名");
table.addColumn("AGE", "INT").setComment("年龄");
service.ddl().create(table);
或者service.ddl().save(table); 执行时会区分出来哪些是列需要add哪些列需要alter
事务
//因为方法可以有随时切换多次数据源,所以注解已经捕捉不到当前数据源了
//更多事务参数通过TransactionDefine参数
TransactionState state = TransactionProxy.start("ds_sso");
//操作数据
TransactionProxy.commit(state);
TransactionProxy.rollback(state);
面向场景不同
anyline主要面向动态场景,就是运行时随时可变的场景。
如我们常用的动态数据源,不是在部署时可以固定在配置文件中,
而是可能在不确定的时间,由不确定的用户提供的不确定数据源。
表结构等元数据也可能随着着用户或数据源的不同而随时变化。
针对产品不同
anyline一般不会直接用来开发一个面向终端用户的产品(如ERP、CRM等),
而是要开发一个中间产品(如低代码平台),让用户通过中间产品来生成一个最终产品。
再比如用anyline开发一个自定义查询分析工具,让用户通过这个工具根据业务需求生成动态报表。
anyline不是要提供一个可二次开发的半成品船,而是可以用来造船的动态船坞。
操作对象不同
anyline主要操作元数据,因为在项目开发之初,可能就没有一个如ERP/CRM之类的明确的产品,
当然也就没有订单、客户之类的具体对象及属性,所以也没什么具体数据可操作。
面向用户(开发设计人员)不同
anyline要面向的不是开船的人,而是造船的人,而不是使用工具的人,而是设计工具的人。
anyline的大部分代码与灵感也是来自这部分用户的日常实践。
所以对用户(开发设计人员)要求不同
一个ORM用户用了许多年的连接池,他可以只知道配置哪几个默认参数,也能正常开展工作。
但anyline的用户不行,他要求这个团队中至少有一个人要明白其所以然。
数据操作的两个阶段,1.针对数据库中数据 2.针对数据库查询的结果集(内存中的数据)
即运行时才能最终确定 动态的数据源、数据结构、展现形式
如我们需要开发一个数据中台或者一个数据清洗插件,编码阶段我们还不知道数据来源、什么类型的数据库甚至不是数据库、会有什么数据结构对应什么样的实体类,
如果需要前端展示的话,更不会知道不同的终端需要什么各种五花八门的数据组合
那只能定义一个高度抽象的实体了,想来想去也只有Collection可以胜任了。
最常见的操作:根据条件分页查询一个表的几列
这一动就要倾巢出动一整套的service/dao/vo dto 各种O/mapper,生成个查询条件各种封装、为了拼接个SQL又是各种if else forearch
如果查询条件是由前端的最终用户动态提供的,那Java里if完了还不算完,xml中if也少不了
一旦分了页,又要搞出另一套数据结构,另一组接口,另一组参数(当然这种拙劣的设计只是极个别,不能代表ORM)
数据库负责的是存储,其结构肯定是与业务需要不一样的。所以结果集需要处理。当我们需要用Map处理数据或数学计算时,
如最常见的数据格式化、筛选、分组、平均值、合计、方差等聚合计算
再如空值的处理包括, "", null, "null","\n","\r","\t"," "全角、半角等各种乱七八糟的情况
这时就会发现Map太抽象了,除了get/set/forearch好像也没别的可施展了。
要处理的细节太多了,if都不够用了。
再比如多数据源的情况下,要切换个数据源又是IOC又是AOP一堆设计模式全出场。经常是在方法配置个拦截器。
在同一个方法里还能切换个数据源了?
数据中台里有可能有几百几千个数据源,还得配上几千个方法?
数据源是用户动态提交的呢怎么拦截呢?
这不是DB Util的本职工作么,还要借助其他?
哪个项目少了AOP依赖还切换不了数据源了?
如果只是写个helloworld,以上都不是问题,没什么解决不了的。但实际工作中是需要考虑工作量和开发速度的。
比如一个订单可能有几十上百列的数据,每个分析师需要根据不同的列查询。有那么几十列上同时需要<>=!=IN FIND_IN_SET多种查询方式算正常吧
不能让开发人员挨个写一遍吧,写一遍是没问题,但修改起来可就不是一遍两遍的事了
所以需要提供一个字典让用户自己去配置,低代码开发平台、自定义报表、动态查询条件应该经常有这个需求。
当用户提交上来一个列名、一个运算算、一组值,怎么执行SQL呢,不能在代码中各种判断吧,如果=怎么合成SQL,如果IN怎么合成SQL
DML方面hibernate还可以处理,DDL呢?国产库呢?
当然这种问题很难有定论,只能在实际应用过程中根据情况取舍。
可以参考【适用场景】和【实战对比】中的示例
造型之前,当然要搞明白优势劣势,参考【优势劣势】
当然我们并不是要抛弃Entity或ORM,相反的 AnyLine源码中也使用了多达几十个Entity
在一些 可预知的 固定的 场景下,Entity的优势还是不可替代的
程序员应该有分辨场景的能力
AnyLine希望程序员手中多一个数据库操作的利器,而不是被各种模式各种hello world限制
数据操作不要再从生成xml/dao/service以及各种配置各种O开始
默认的service已经提供了大部分的数据库操作功能。
操作过程大致如下:
DataSet set = service.querys("HR_USER(ID, NM)",
condition(true, "anyline根据约定自动生成的=, in, like等查询条件"));
这里的查询条件不再需要各种配置, 各种if else foreach标签
Anyline会自动生成, 生成规则可以【参考】这里的【约定规则】
分页也不需要另外的插件,更不需要繁琐的计算和配置,指定true或false即可
只需要一个依赖、一个注解即可实现与springboot, netty等框架项目完美整合,参考【入门系列】 大概的方式就是在需要操作数据库的地方注入AnylineService 接下来service就可以完成大部分的数据库操作了。常用示例可以参考【示例代码】
如果实现放不下那些已存在的各种XOOO
DataSet与Entity之间可以相互转换
或者这样:
EntitySet<User> = service.querys(User.class,
condition(true, "anyline根据约定自动生成的查询条件"));
//true:表示需要分页
//为什么不用返回的是一个EntitySet而不是List?
//因为分页情况下, EntitySet中包含了分页数据, 而List不行。
//无论是否分页都返回相同的数据结构,而不需要根据是否分页实现两个接口返回不同的数据结构
//也可以这样(如果真要这样就不要用anyline了, 还是用MyBatis, Hibernate之类吧)
public class UserService extends AnylinseService<User>
userService.querys(condition(true, "anyline根据约定自动生成的查询条件"));
低代码后台
主要用来处理动态属性、动态数据源、运行时自定义查询条件、元数据管理等。
比较容易落地的几个场景如财务、库存等ERP模块用户经常需要输出不同格式的报表,根据不同维度查询统计数据
前端可以用百度amis前端低代码框架,后端由anyline解析SQL及查询条件,管理元数据。
【示例】
数据中台
动态处理各种异构数据源、强大的结果集批量处理能力,不再需要对呆板的实体类各种遍历各种转换。
通常需要在运行时频繁的注册、切换、注销数据源
【示例】
可视化数据源
主要用来处理动态属性,以及适配前端的多维度多结构的数据转换
【参考】
物联网车联网数据处理
如车载终端、交通信号灯、数字化工厂传感器、环境检测设备数据等
这种场景通常会涉及到时序数据库
时序库虽然快,但是结构简单,数据需要经过各种组合后给业务系统
时序库通常需要在运行时操作大量的DDL
【示例】
数据清洗、数据批量处理
各种结构的数据、更多的是不符合标准甚至是错误的结构
这种场景下需要一个灵活的数据结构来统一处理各种结构的数据
再想像一下临时有几个数据需要处理一下(如补齐或替换几个字符)
这个时候先去创建个Entity, XML, Service, Dao吗
【示例】
报表输出,特别是用户自定义报表
类似于可视化环境, 样式相对简单一点,但精度要求极高,需要控制到像素、字体等
如检验检测报告、资质证书等,当然这需要配合 anyline-office
【office示例】
工作流(运行时自定义表单/查询条件/数据结构)
各个阶段都要自定义,比低代码要求更高的是:操作用户不懂编程
【示例】
网络爬虫数据解析
不固定的结构、html解析(当然不是用正则或dom那太费脑子了)
【参考】
异构数据库迁移同步
动态的数据结构可以灵活的适配多种不同的表, 需不需要反复的get/set
兼容多种数据库的DDL也可以方便的在不同类型的数据库中执行
【核心代码示例(Mysql到Apache Ignite)】
【基础应用项目】
【完整应用代替datax】
还有一种很实现的场景是 许多项目到了交付的那一天 实体也没有设计完成
别说设计了,需求都有可能还没结束就催交付了, Entity哪里找
【示例】
【示例源码】 MYSQL PostgreSQL ORACLE MSSQL MongoDB Redis ElasticSearch DB2 DM(武汉达梦数据库股份有限公司) GBase8a(天津南大通用数据技术股份有限公司) GBase8c(天津南大通用数据技术股份有限公司) GBase8s(天津南大通用数据技术股份有限公司) oscar SQLite Snowflake Cassandra MariaDB Splunk AzureSQL AmazonDynamoDB Databricks Hive Access GoogleBigQuery HighGo(瀚高基础软件股份有限公司) MSSQL2000 Neo4j PolarDB(阿里云计算有限公司) Sybase TeraData FileMaker HANA Solr Adaptive Hbase AzureCosmos InfluxDB PostGIS AzureSynapse Firebird Couchbase AmazonRedshift Informix Memcached Spark Cloudera Firebase ClickHouse Presto Vertica dbase Netezza OpenSearch Flink CouchDB GoogleFirestore Greenplum AmazonAurora H2 Kdb etcd Realm MarkLogic Hazelcast Prometheus OracleEssbase Datastax Aerospike AzureDataExplorer Algolia Ehcache Derby CockroachDB ScyllaDB AzureSearch Interbase AzureTableStorage Sphinx Jackrabbit Trino SingleStore Ingres Virtuoso Timescale GoogleDatastore Graphite HyperSQL Adabas RiakKV SAPIQ ArangoDB Jena Ignite GoogleBigtable TiDB(PingCAP) Accumulo RocksDB OracleNoSQL OpenEdge DuckDB DolphinDB GemFire OrientDB GoogleSpanner RavenDB Anywhere Cache ChinaMobileDB ChinaUnicomDB CirroData FusionInsight GaiaDB GaussDB100 GaussDB200 GoldenDB GreatDB(北京万里开源软件有限公司) HashData HotDB Infinispan KingBase(北京人大金仓信息技术股份有限公司) LightDB MogDB(云和恩墨) MuDB(沐融信息科技) RapidsDB SelectDB SinoDB StarDB UbiSQL UXDB(北京优炫软件股份有限公司) Vastbase(北京海量数据技术股份有限公司) xigemaDB YiDB xugu(成都虚谷伟业科技有限公司) MaxDB Cloudant OracleBerkeley YugabyteDB LevelDB Pinecone HEAVYAI Memgraph CloudKit RethinkDB EXASOL Drill PouchDB Phoenix EDB TDengine IRIS RRDtool GraphDB Citus Coveo IMS LMDB Nebula AmazonNeptune OracleCoherence Geode AmazonSimpleDB PerconaMySQL AmazonCloudSearch Stardog Firebolt Datomic SpatiaLite MonetDB jBASE BaseX Chroma Empress AmazonDocumentDB JanusGraph Mnesia Tibero QuestDB GridDB TigerGraph Db4o Weaviate Tarantool GridGain Dgraph SQLBase OpenTSDB Sedna OceanBase Fauna Datameer PlanetScale ActianNoSQL TimesTen VoltDB FoundationDB Infobright Db2Warehouse NonStopSQL ObjectStore mSQL LiteDB Milvus DataEase Cubrid D3 VictoriaMetrics kylin Giraph GTM ObjectBox HFSQL Meilisearch MatrixOne Perst OracleRdb GigaSpaces Vitess Reality SQLJS Ezmeral AllegroGraph M3DB HAWQ StarRocks solidDB NuoDB NCache OpenGauss IoTDB Qdrant Model204 ZODB BigchainDB SurrealDB Xapian DBISAM ActianVector Hibari Dolt TypeDB Altibase AmazonTimestream ObjectDB Blazegraph AmazonKeyspaces TDSQL(腾讯云计算(北京)有限责任公司) IDMS RDF4J GeoMesa eXistdb eXtremeScale Rockset Yellowbrick SQream DatacomDB Typesense MapDB ObjectivityDB CrateDB eXtreme SciDB AlaSQL KairosDB Kinetica MaxCompute KeyDB OpenInsight AnalyticDBMySQL GemStoneS Vald Doris ScaleArc RisingWave FrontBase PostgresXL Pinot Heroic VistaDB Scalaris NexusDB PerconaMongoDB GraphEngine BoltDB atoti Vespa LokiJS Raima Databend RBASE Redland HarperDB SpliceMachine AnalyticDBPostgreSQL ModeShape Strabon Jade Sequoiadb CnosDB ITTIA Elliptics Elassandra Rasdaman SearchBlox InfiniteGraph ApsaraDBPolarDB Starcounter Axibase Kyligence FeatureBase Lovefield Voldemort Brytlyt MachbaseNeo ActianFastObjects OpenQM RDFox AnzoGraph_DB Fluree Immudb Mimer_SQL YDB RedStore HyperGraphDB Marqo EJDB Tajo DeepLake AntDB LeanXcale Mulgara Fujitsu FlockDB STSdb PieCloudDB Transbase ElevateDB RiakTS FaircomDB NEventStore Comdb2 YottaDB Quasardb Speedb EsgynDB ComputeDB HugeGraph Valentina PipelineDB Bangdb Dydra TinkerGraph EventStore Ultipa Table_Store ActianPSQL CubicWeb Exorbyte GraphBase TokyoTyrant Skytable TerminusDB Badger GreptimeDB TransLattice ArcadeDB KunDB Sparksee MyScale BigObject Linter ManticoreSearch Dragonfly Tigris H2GIS VelocityDB Eloquera HyperLevelDB XTDB Blueflood SenseiDB TSDB TerarkDB OrigoDB TomP2P XtremeData Siaqodb YTsaurus Warp openGemini Upscaledb gStore OushuDB Indica BrightstarDB InfinityDB NosDB Hippo Acebase SiriDB SiteWhere ArgoDB NSDb JaguarDB WakandaDB StellarDB Galaxybase DataFS SadasEngine Hawkular AgensGraph FaircomEDGE Cachelot iBoxDB StateServer Tkrzw SWCDB LedisDB SwayDB Newts ActorDB Intelligence SmallSQL SpaceTime SparkleDB ResinCache JethroData BergDB CortexDB CovenantSQL DaggerDB EdgelessDB Helium HGraphDB JasDB RaptorDB Rizhiyi searchxml BadgerDB Cayley Crase CrispI GraphPortal Grinn ODABA OWASP reldb Voracity ZeroMQ 没有示例的看这个目录下有没有 【anyline-data-jdbc-dialect】还没有的请联系群管理员
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。
1. 开源生态
2. 协作、人、软件
3. 评估模型