本发明涉及一种代码分析方法，特别涉及一种sql执行效率静态分析方法。
背景技术：
在业务系统的开发中经常会用到大量用于数据库操作的sql语句。这些sql语句的执行效率会在很大程度上影响到系统的性能和稳定性。为了保证软件产品中的sql语句达到期待的设计目标，软件开发和运维团队会采取很多种方法，这些方法大致可以分为2类：一种是动态监控方法，软件产品上线之后，通过监控软件实际运行时生成的sql语句的执行时间，cpu使用率，io效率等，当测定值超过预设的某个阈值就产生报警；另一种是静态分析方法，在软件开发过程中，通过有经验的软件工程师对sql的代码审核，发现sql中潜在的性能问题或者正确性问题，并及时修正。
上述传统方案中，动态监控方法不能做到事先防范，静态分析人力成本较高，需要投入大量的代码审查时间且依赖于工程师的经验和技术水平。
公开号cn107480296a的发明申请提出一种基于sql的数据库性能分析方法和装置，其中，方法包括：从数据库的日志中，提取sql指令，对提取到的sql指令进行分析，得到数据库根据sql指令进行查询的运行信息，根据运行信息进行统计，分别得到多个性能参数。
该对比文件中的分析方法本质上即为统计分析，使用效率及准确度不高。
技术实现要素：
针对现有技术分析的效率及精确性不高的问题，本发明公开了一种sql执行效率静态分析方法，通过设定的规则对sql抽象语法树进行匹配，加快了分析速度，减少了分析时间，提高了分析准确度。
以下是本发明的技术方案。
一种sql执行效率静态分析方法，包括以下步骤：
步骤s01：将sql语法文件输入到javacc及jjtree中，生成sql解析器；
步骤s02：将待测文件输入到sql解析器中处理，生成sql抽象语法树；
步骤s03：建立sql语法规则库，所述规则库内包含若干种自定义语法规则；
步骤s04：使用规则匹配引擎通过sql语法规则库对sql抽象语法树进行匹配处理，标注出有问题的语句；
步骤s05：输出标注的语句及其详细信息。
本发明可以根据自定义的检测分析规则，对工程中的sql语句进行扫描和静态分析，帮助甚至替代工程师进行sql语句的审核，提高开发和运维的效率。
进一步的，所述步骤s02中，处理过程包括筛选出待测文件中的sql语句并将sql语句按对象归类，对归类完成后的sql语句进行抽象化处理，所述对象名用大写字母开头的英文单词表示，所述对象包括select及where。
进一步的，所述抽象化处理包括使用dsl抽象sql语法的组成部分，用多层子对象的形式将组成部分进一步拆分。
进一步的，所述步骤s03中，规则库的自定义语法规则通过dsl语言编写，包括若干种语法正确但执行效率低的语句形式。
进一步的，所述步骤s04中，规则匹配引擎由搜索引擎及规则库生成。
进一步的，所述步骤s04中，匹配处理过程为：将sql抽象语法树中的内容按出现频率排降序，从序列的头部开始将语句的内容与规则库匹配，符合条件的语句保存至集合a，不符合条件的保存至集合b。
进一步的，还设有二次校验：从所述集合b中随机抽取若干语句，对抽取的语句进行校验，如有问题语句则标出。
进一步的，所述二次校验的执行方式为人工校验或通过神经网络训练后校验。
进一步的，所述步骤s05中，详细信息包括语句在待测文件中的位置、语句中的问题部分及语句在待测文件中的出现频率。
进一步的，所述步骤s02至步骤s04在执行时记录总用时。该时间可以直观反映出分析所用时长，其他方式进行更直观比较，有助于针对不同环境选用不同方法。
本发明可以根据自定义的检测分析规则，对工程中的sql语句进行扫描和静态分析，帮助甚至替代工程师进行sql语句的审核，提高开发和运维的效率，减少分析所用时间，提高分析的准确率。
具体实施方式
以下结合具体实施例对本技术方案作进一步阐述。
实施例：一种sql执行效率静态分析方法，包括以下步骤：
步骤s01：将sql语法文件输入到javacc及jjtree中，生成sql解析器；
步骤s02：将待测文件输入到sql解析器中处理，生成sql抽象语法树；
步骤s03：建立sql语法规则库，所述规则库内包含若干种自定义语法规则；
步骤s04：使用规则匹配引擎通过sql语法规则库对sql抽象语法树进行匹配处理，标注出有问题的语句；
步骤s05：输出标注的语句及其详细信息。
本实施例可以根据自定义的检测分析规则，对工程中的sql语句进行扫描和静态分析，帮助甚至替代工程师进行sql语句的审核，提高开发和运维的效率。
本实施例中，所述步骤s02中，处理过程包括筛选出待测文件中的sql语句并将sql语句按对象归类，对归类完成后的sql语句进行抽象化处理，所述对象名用大写字母开头的英文单词表示，所述对象包括select及where。
本实施例中，所述抽象化处理包括使用dsl抽象sql语法的组成部分，用多层子对象的形式将组成部分进一步拆分。
例如本实施例中，表达式对象类expression是一个抽象类，有2个子类：valueexpression（值表达式）booleanexpression（布尔表达式），而valueexpression又有多个子类functioncall（函数调用）columnexpression（字段值）等。这样就可以通过expression选择到所有“值表达式”和“布尔表达式”，通过valueexpression可以只选择到所有functioncall和columnexpression，而不会选择到like，equal等booleanexpression。
本实施例中，所述步骤s03中，规则库的自定义语法规则通过dsl语言编写，包括若干种语法正确但执行效率低的语句形式。举一个实施时的例子，比如：select*fromuserwhereage>20，其中select语句中应该明确指定需要的列，而不用"*"获取所有列，针对这类问题，本实施例使用groovy语言编写检测规则:ast.select.values.find{itinstanceofastarexpression}；结合语法树可以知道，ast是一个抽象语法树对象，ast.select则是sql中的一个语法单元，ast.select.values则是select语法单元的一个属性，表示select语句中选择出来的字段列表，这是一个valueexpression的数组，然后对字段列表进行搜索匹配。其中xxx.find方法的作用是找到符合后面花括号内表达式判断为true的内容。此处，itinstanceofastarexpression表示表达式类型为astarexpression，上述这样的一条规则可匹配和发现上述影响执行效率的sql问题。
本实施例中，所述步骤s04中，规则匹配引擎由搜索引擎及规则库生成。
本实施例中，所述步骤s04中，匹配处理过程为：将sql抽象语法树中的内容按出现频率排降序，从序列的头部开始将语句的内容与规则库匹配，符合条件的语句保存至集合a，不符合条件的保存至集合b。
本实施例中，还设有二次校验：从所述集合b中随机抽取若干语句，对抽取的语句进行校验，如有问题语句则标出。
本实施例中，所述二次校验的执行方式为人工校验或通过神经网络训练后校验。
本实施例中，所述步骤s05中，详细信息包括语句在待测文件中的位置、语句中的问题部分及语句在待测文件中的出现频率。
本实施例中，所述步骤s02至步骤s04在执行时记录总用时。该时间可以直观反映出分析所用时长，其他方式进行更直观比较，有助于针对不同环境选用不同方法。经多次比较，本实施例分析所用时间对比完全人工审核所用时间，节省时间大于百分之八十。
本实施例可以根据自定义的检测分析规则，对工程中的sql语句进行扫描和静态分析，帮助甚至替代工程师进行sql语句的审核，提高开发和运维的效率，减少分析所用时间，提高分析的准确率。
应当说明的是，该具体实施例仅用于对技术方案的进一步阐述，不用于限定该技术方案的范围，任何基于此技术方案的修改、等同替换和改进等都应视为在本发明的保护范围内。