用python解决mysql视图导入导出依赖问题

navicat是mysql可视化工具中最棒的,但是,在处理视图的导入导出方面,它是按照视图名称的字母顺序来处理的,若视图存在依赖,在导入过程中就会报错。这个问题一直困绕我,一度因为我使用docker来部署mysql而绕过了这个问题。最近不得不直面这个问题,因此,写了一个小工具来解决它。

整体思路

在mysql很容易查出所有视图和其定义,因此可以写一个视图导出工具,存储时对各视图的保存位置进行调整,处理好它们之间的依赖关系,被依赖的放前面,这样就解决了导入时的依赖问题。

获取视图信息

运行以下查询语句,就能获得该数据库中所有视图的信息。

select * from  information_schema.VIEWS where TABLE_SCHEMA = DatabaseName

查询结果字段说明:

  • TABLE_NAME : 数所库中视图名称
  • VIEW_DEFINITION : 视图的定义代码,只有查询语句部分
  • DEFINER : 视图定义(建立)者名称
  • SECURITY : 安全级别

总之,所有视图的信息都在这个表中保存,我要完成任务,只需要TABLE_NAME和VIEW_DEFINITION就可以了。

算法描述

  • 将查询结果放到dict中,视图名称为key;视图定义为value;
  • 编写处理依赖关系的函数process_rely,输入参数中的rely_old为保存所有视图名称的数组;返回参数为按依赖关系调整顺序后的视图名称数组。之所以这样做,是一开始考虑到,依赖关系复杂时,可能一次迭代处理不好,需要递归调用或多次调用。

    process_rely函数算法描述:
    • 第一层循环,从rely_old中取一个视图名称

      • 第二层循环,从dict中取出一个键值

        • 若键值被第一层元素的定义所依赖

          • 若键值还不在结果数组中

            • 若第一层元素不在结果数组中

              • 追加键值到结果数组中
            • 第一层元素在结果数组中

              • 将键值插入到第一层元素前
          • 键值在结果数组中

            • 第一层元素在结果数组中

              • 查找各自在结果数组中的位置
              • 若第一层元素在键值的后

                • 将键值移动到第一层元素前
      • 第二层循环结束时,若第一层元素还不在结果集中

        • 将第一层元素追加到结果集中
    • 返回结果集

上面的说明,是按python代码模式给出的。很幸运,算法一次就能将复杂的依赖关系处理好了。我在编写的过程中,刚开始依赖算法不完善时,通过多次迭代也能处理好复杂的依赖关系。因此,坚定了必胜的信心,完成了这个任务。

完整代码

import pymysql
conn = pymysql.connect(host='172.17.0.1', port=3306, user='root',
                       passwd='123456', db='database', charset='utf8mb4')


def process_rely(parmas={}, rely_old=[]):
    _rely = []
    _keys = list(parmas.keys())
    for k in rely_old:
        for bl in _keys:
            if str(parmas[k]).find(bl) > -1:
                if bl not in _rely:
                    if k not in _rely:
                        _rely.append(bl)
                    else:
                        i = _rely.index(k)
                        _rely.insert(i, bl)
                else:
                    if k in _rely:
                        i = _rely.index(k)
                        j = _rely.index(bl)
                        if i < j:
                            del _rely[j]
                            _rely.insert(i, bl)
        if k not in _rely:
            _rely.append(k)
    return _rely


cur = conn.cursor()
cur.execute('select TABLE_NAME, VIEW_DEFINITION from  information_schema.VIEWS where TABLE_SCHEMA = %s ', 'database')
rs = cur.fetchall()
cur.close()
conn.close()

ps = {}
for al in rs:
    ps['`' + al[0] + '`'] = al[1]

rely = process_rely(ps, list(ps.keys()))
# rely = process_rely(ps, rely1)

file_object = open('view.sql', 'w')
for al in rely:
    file_object.write('DROP VIEW IF EXISTS ' + al + ';\n')
    file_object.write('CREATE ALGORITHM=UNDEFINED DEFINER=`root`@`%` SQL SECURITY DEFINER VIEW ' + al +
                      ' AS ' + ps[al] + ';\n\n')

file_object.close()

小结

思路要清晰,代码要一步步的向最终目标靠近,积跬步以至千里。在做这个工具时,一开始觉得很麻烦,依赖关系若是深层次的,可能一次处理不好,正因为采用的迭代的思想,最后才完成了一次迭代解决问题的完美结局。

相关文章
相关标签/搜索