CN114880351A - 慢查询语句的识别方法及装置、存储介质、电子设备 - Google Patents
慢查询语句的识别方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN114880351A CN114880351A CN202210610198.XA CN202210610198A CN114880351A CN 114880351 A CN114880351 A CN 114880351A CN 202210610198 A CN202210610198 A CN 202210610198A CN 114880351 A CN114880351 A CN 114880351A
- Authority
- CN
- China
- Prior art keywords
- slow query
- statement
- sentence
- slow
- recognized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000013138 pruning Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2452—Query translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开属于应用安全技术领域,涉及一种慢查询语句的识别方法及装置、存储介质、电子设备。该方法包括:根据慢查询语句的表现形式生成慢查询抽象语法树,并根据慢查询抽象语法树建立慢查询特征库;获取待识别语句的语句参数,并对语句参数进行阈值判断处理得到初始识别结果;对初始识别结果进行特征匹配处理得到待识别语句的目标识别结果。本公开为慢查询语句的识别提供了数据基础和理论支持,也能够通过慢查询特征库对慢查询特征进行全面识别,提供了一种双层判断逻辑的慢查询语句的识别方式,提升了慢查询语句的识别准确性,从而降低了运行时应用自我保护引擎中慢查询语句识别的误报率,提高了运行时应用自我保护引擎的准确度,优化了服务性能。
Description
技术领域
本公开涉及应用安全技术领域,尤其涉及一种慢查询语句的识别方法与慢查询语句的识别装置、计算机可读存储介质及电子设备。
背景技术
慢查询SQL(Structured Query Language,结构化查询语言)识别误报率高是运行时应用自我保护(RASP,Runtime Application Self-Protection)引擎检测中面临的难点之一,识别误报率高将损耗服务性能,且影响业务正常流程。
当前针对于运行时应用中的慢查询SQL识别工作,通常是通过数据比较的方式实现的。然而,此方法由于无法区分网络耗时与SQL执行耗时,导致极易出现误报。在进行慢查询SQL的识别时,往往涉及大量的慢查询特征。但是,该方法无法对慢查询特征进行识别,也无法全面准确地分析出全文的慢查询SQL信息。
鉴于此,本领域亟需开发一种新的慢查询语句的识别方法及装置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种慢查询语句的识别方法、慢查询语句的识别装置、计算机可读存储介质及电子设备,进而至少在一定程度上克服由于相关技术的限制而导致的无法识别慢查询特征和识别误报率高的技术问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本发明实施例的第一个方面,提供一种慢查询语句的识别方法,所述方法包括:
根据慢查询语句的表现形式生成慢查询抽象语法树,并根据所述慢查询抽象语法树建立慢查询特征库;
获取待识别语句和对应的语句参数,并对所述语句参数进行阈值判断处理得到初始识别结果;
根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果。
在本发明的一种示例性实施例中,所述根据慢查询语句的表现形式生成慢查询抽象语法树,包括:
定义慢查询语句的表现形式,并根据所述表现形式确定目标节点;
根据所述目标节点进行分析得到慢查询抽象语法树。
在本发明的一种示例性实施例中,所述目标节点,包括:关键字、标识符、空格和标点符号。
在本发明的一种示例性实施例中,所述根据所述慢查询抽象语法树建立慢查询特征库,包括:
在所述慢查询抽象语法树中确定无关节点;
对所述无关节点进行修剪得到慢查询特征规则,以根据所述慢查询特征规则建立慢查询特征库。
在本发明的一种示例性实施例中,所述语句参数包括返回结果数量和语句执行时间,
所述对所述语句参数进行阈值判断处理得到初始识别结果,包括:
获取与所述返回结果数量对应的结果数量阈值以及与所述语句执行时间对应的执行时间阈值,并对所述返回结果数量和所述结果数量阈值进行比较得到数量比较结果;
对所述语句执行时间和所述执行时间阈值进行比较得到时间比较结果,并根据所述数量比较结果和所述时间比较结果得到初始识别结果。
在本发明的一种示例性实施例中,所述根据所述数量比较结果和所述时间比较结果得到初始识别结果,包括:
当所述数量比较结果为所述返回结果数量小于或等于所述结果数量阈值,且所述时间比较结果为所述语句执行时间小于或等于所述执行时间阈值时,确定初始识别结果是所述待识别语句为非慢查询语句;
当所述比较结果为所述返回结果数量大于所述结果数量阈值,或所述时间比较结果为所述语句执行时间大于所述执行时间阈值时,确定初始识别结果是所述待识别语句为疑似慢查询语句。
在本发明的一种示例性实施例中,所述根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果,包括:
当所述初始识别结果是所述待识别语句为疑似慢查询语句时,生成所述待识别语句的待识别抽象语法树;
对所述待识别抽象语法树进行遍历处理得到待识别字符串序列,并对所述慢查询特征库中的所述慢查询抽象语法树进行遍历处理得到慢查询字符串序列;
利用字符串匹配算法对所述待识别字符串序列和所述慢查询字符串序列进行特征匹配处理得到所述疑似慢查询语句的目标识别结果。
根据本发明实施例的第二个方面,提供一种慢查询语句的识别装置,包括:
特征建立模块,被配置为根据慢查询语句的表现形式生成慢查询抽象语法树,并根据所述慢查询抽象语法树建立慢查询特征库;
阈值判断模块,被配置为获取待识别语句和对应的语句参数,并对所述语句参数进行阈值判断处理得到初始识别结果;
特征匹配模块,被配置为根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果。
根据本发明实施例的第三个方面,提供一种电子设备,包括:处理器和存储器;其中,存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例中的慢查询语句的识别方法。
根据本发明实施例的第四个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意示例性实施例中的慢查询语句的识别方法。
由上述技术方案可知,本公开示例性实施例中的慢查询语句的识别方法、慢查询语句的识别装置、计算机存储介质及电子设备至少具备以下优点和积极效果:
在本公开的示例性实施例提供的方法及装置中,根据慢查询语句的表现形式生成慢查询抽象语法树,并进一步建立对应的慢查询特征库,为慢查询语句的识别提供了数据基础和理论支持,也能够通过慢查询特征库对慢查询特征进行全面识别,帮助全面准确的分析出所有的慢查询语句。进一步的,将阈值判断处理和特征匹配处理进行结合,提供了一种双层判断逻辑的慢查询语句的识别方式,提升了慢查询语句的识别准确性,从而降低了运行时应用自我保护引擎中慢查询语句识别的误报率,提高了运行时应用自我保护引擎的准确度,优化了服务性能和业务流程。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出本公开示例性实施例中一种慢查询语句的识别方法的流程示意图;
图2示意性示出本公开示例性实施例中生成慢查询抽象语法树的方法的流程示意图;
图3示意性示出本公开示例性实施例中LIKE关键字的慢查询SQL的形式示意图;
图4示意性示出本公开示例性实施例中LIKE关键字的慢查询抽象语法树的结构示意图;
图5示意性示出本公开示例性实施例中建立慢查询特征库的方法的流程示意图;
图6示意性示出本公开示例性实施例中LIKE关键字对应的慢查询特征规则的结构示意图;
图7示意性示出本公开示例性实施例中阈值判断处理的方法的流程示意图;
图8示意性示出本公开示例性实施例中进一步得到初始识别结果的方法的流程示意图;
图9示意性示出本公开示例性实施例中特征匹配处理的方法的流程示意图;
图10示意性示出本公开示例性实施例中待识别抽象语法树的结构示意图;
图11示意性示出本公开示例性实施例中应用场景下慢查询语句的识别方法的流程示意图;
图12示意性示出本公开示例性实施例中应用场景下建立慢查询特征库的方法的流程示意图;
图13示意性示出本公开示例性实施例中应用场景下特征匹配处理的方法的流程示意图;
图14意性示出本公开示例性实施例中一种慢查询语句的识别装置的结构示意图;
图15意性示出本公开示例性实施例中一种用于实现慢查询语句的识别方法的电子设备;
图16意性示出本公开示例性实施例中一种用于实现慢查询语句的识别方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对其对象的数量限制。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
慢查询SQL识别误报率高是运行时应用自我保护引擎检测中面临的难点之一,识别误报率高将损耗服务性能,且影响业务正常流程。
当前针对于运行时应用中的慢查询SQL识别工作,通常是通过数据比较的方式实现的。然而,此方法由于无法区分网络耗时与SQL执行耗时,导致极易出现误报。在进行慢查询SQL的识别时,往往涉及大量的慢查询特征。但是,该方法无法对慢查询特征进行识别,也无法全面准确地分析出全文的慢查询SQL信息。
针对相关技术中存在的问题,本公开提出了一种慢查询语句的识别方法。图1示出了慢查询语句的识别方法的流程图,如图1所示,慢查询语句的识别方法至少包括以下步骤:
步骤S110.根据慢查询语句的表现形式生成慢查询抽象语法树,并根据慢查询抽象语法树建立慢查询特征库。
步骤S120.获取待识别语句和对应的语句参数,并对语句参数进行阈值判断处理得到初始识别结果。
步骤S130.根据所述初始识别结果对待识别语句进行特征匹配处理得到待识别语句的目标识别结果。
在本公开的示例性实施例中,根据慢查询语句的表现形式生成慢查询抽象语法树,并进一步建立对应的慢查询特征库,为慢查询语句的识别提供了数据基础和理论支持,也能够通过慢查询特征库对慢查询特征进行全面识别,帮助全面准确的分析出所有的慢查询语句。进一步的,将阈值判断处理和特征匹配处理进行结合,提供了一种双层判断逻辑的慢查询语句的识别方式,提升了慢查询语句的识别准确性,从而降低了运行时应用自我保护引擎中慢查询语句识别的误报率,提高了运行时应用自我保护引擎的准确度,优化了服务性能和业务流程。
下面对慢查询语句的识别方法的各个步骤进行详细说明。
在步骤S110中,根据慢查询语句的表现形式生成慢查询抽象语法树,并根据慢查询抽象语法树建立慢查询特征库。
在本公开的示例性实施例中,为识别待识别语句是否为慢查询语句,可以先建立生成慢查询抽象语法树,以建立慢查询特征库。
在可选的实施例中,图2示出了生成慢查询抽象语法树的方法的流程示意图,如图2所示,该方法至少可以包括以下步骤:在步骤S210中,定义慢查询语句的表现形式,并根据表现形式确定目标节点。
其中,可以让MySQL记录下查询超过指定时间的语句,并将超过指定时间的SQL语句查询称为“慢查询”。
慢查询,顾名思义,执行很慢的查询。具体的,可以是将超过long_query_time参数设定的时间阈值(默认10s),就被认为是慢的,是需要优化的。
慢查询被记录在慢查询日志里。慢查询日志默认是不开启的。如果需要优化SQL语句,就可以开启这个功能,它可以方便用户知道哪些语句是需要优化的。
具体的,定义的慢查询语句的表现形式可以包括返回列数过多、分页条件OFFSET(跳过几行元素)过大、不合适的函数的使用和不合适的SQL查询语句结构等,本示例性实施例对此不做特殊限定。
进一步的,可以根据定义出的慢查询语句的表现形式抽象出包括的目标节点。
在可选的实施例中,目标节点,包括:关键字、标识符、空格和标点符号。
具体的,抽象出的目标节点可以包括SQL语句的关键字,例如SELECT(选择对象)、FROM(SQL语句要在对应数据库中检索)等,还可以包括SQL语句的标识符,例如列名等,或者包括空格和标点符号等,本示例性实施例对此不做特殊限定。
在步骤S220中,根据目标节点进行分析得到慢查询抽象语法树。
以包含LIKE(用于在WHERE子句中搜索列中的指定模式)关键字的单表查询为例,在使用LIKE关键字进行查询的语句中,如果匹配字符串的第一个字符为“%”,将导致索引失败。
首先,定义LIKE慢查询的SQL形式。图3示出了LIKE关键字的慢查询SQL的形式示意图,如图3所示,该SQL形式为SELECT id FROM table WHERE NAME LIKE‘%L%’。
然后,通过词法、句法分析生成对应的慢查询抽象语法树(AST,Abstract SyntaxTree)。
图4示出了LIKE关键字的慢查询抽象语法树的结构示意图,如图4所示,该慢查询抽象语法树为LIKE关键字的全量抽象语法树,共包括5层,且第二层包括10多个节点。在这10多个节点中包括空格和标点符号等节点。
在本示例性实施例中,建立慢查询语句的慢查询抽象语法树,建立方式简单准确,并且,能够为建立对应的慢查询特征库提供数据支持和理论基础,为识别慢查询特征提供了先决条件。
在生成慢查询抽象语法树之后,可以根据该慢查询抽象语法树建立对应的慢查询特征库。
在可选的实施例中,图5示出了建立慢查询特征库的方法的流程示意图,如图5所示,该方法至少可以包括以下步骤:在步骤S510中,在慢查询抽象语法树中确定无关节点。
在生成慢查询抽象语法树之后,可以抽象出该慢查询抽象语法树中与慢查询特征无关的无关节点。
继续参考图4所示的LIKE关键字的慢查询抽象语法树的结构示意图,可以确定在该慢查询语法树的第二层的10多个节点中包括空格和符号等无关节点。
除此之外,对于多表查询的慢查询语法树中,多个表格占据的节点也可以是无关节点,还可以根据SQL语句的词法或语法特征确定无关节点,本示例性实施例对此不做特殊限定。
在步骤S520中,对无关节点进行修剪得到慢查询特征规则,以根据慢查询特征规则建立慢查询特征库。
对于空格和符号等无关节点,可以将该无关节点进行删除;对于多个表格占据的无关节点,可以将该多个无关节点合并成一个节点。
基于此,得到对无关节点进行修剪后的慢查询特征规则。
图6示出了LIKE关键字对应的慢查询特征规则的结构示意图,如图6所示,在确定该慢查询语法树的第二层的10多个节点中包括空格和符号等无关节点之后,可以将该无关节点进行删除,以得到第二层中包含4个节点的慢查询特征规则。
进一步的,将该慢查询特征规则维护至慢查询特征库中,以建立完成慢查询特征库。
在本示例性实施例中,根据慢查询抽象语法树建立对应的慢查询特征库,为识别待识别语句是否为慢查询语句提供了数据基础和理论支持。
在步骤S120中,获取待识别语句和对应的语句参数,并对语句参数进行阈值判断处理得到初始识别结果。
在本公开的示例性实施例中,应用接收外部数据访问请求,并HOOK关键类和方法。
其中,HOOK即为钩子。某一个软件的原始的程序逻辑,默认情况下是无中断的顺序执行。但是,在原程序在设计的时候,可以在适当的位置定义一个钩子,加入一些判断机制。当满足一定条件时,允许跳转到一段用户自定义的程序,用户自定义程序运行完成之后再回到原程序继续执行下去,这种技术就叫做HOOK机制。
具体的,在应用代码中的关键类和方法处进行插桩,以获取待识别语句及其对应的语句参数。
进一步的,对该语句参数进行阈值判断处理,以得到初始识别结果。
在可选的实施例中,语句参数包括返回结果数量和语句执行时间,图7示出了阈值判断处理的方法的流程示意图,如图7所示,该方法至少可以包括以下步骤:在步骤S710中,获取与返回结果数量对应的结果数量阈值以及与语句执行时间对应的执行时间阈值,并对返回结果数量和结果数量阈值进行比较得到数量比较结果。
该结果数量阈值和执行时间阈值可以是事先预设好的,可以根据实际情况和需求进行设置,本示例性实施例对此不做特殊限定。
在获取到与返回结果数量对应的结果数量阈值之后,可以将该返回结果数量和结果数量阈值进行比较,以得到对应的数量比较结果。
在步骤S720中,对语句执行时间和执行时间阈值进行比较得到时间比较结果,并根据数量比较结果和时间比较结果得到初始识别结果。
在获取到与语句执行时间对应的执行时间阈值之后,可以将该语句执行时间和执行时间阈值进行比较,以得到对应的时间比较结果。
在可选的实施例中,图8示出了进一步得到初始识别结果的方法的流程示意图,如图8所示,该方法至少可以包括以下步骤:在步骤S810中,当数量比较结果为返回结果数量小于或等于结果数量阈值,且时间比较结果为语句执行时间小于或等于执行时间阈值时,确定初始识别结果是待识别语句为非慢查询语句。
当数量比较结果和时间比较结果均为返回结果数量未超过结果数量阈值和语句执行时间未超过执行时间阈值时,亦即数量比较结果为返回结果数量小于或等于结果数量阈值,且时间比较结果为语句执行时间小于或等于执行时间阈值,可以直接确定待识别语句的非慢查询语句。
在步骤S820中,当比较结果为返回结果数量大于结果数量阈值,或者时间比较结果为语句执行时间大于执行时间阈值时,确定初始识别结果是待识别语句为疑似慢查询语句。
当数量比较结果和时间比较结果中任意一个返回结果数量和语句执行时间超过对应的结果数量阈值或执行时间阈值时,亦即比较结果为返回结果数量大于结果数量阈值,或时间比较结果为语句执行时间大于执行时间阈值,则认为当前的待识别语句为疑似慢查询语句,继续进行特征匹配处理的判断。
在本示例性实施例中,通过结果数量阈值和执行时间阈值对待识别语句进行是否为慢查询语句的初次识别,将非慢查询语句识别处理,提高非慢查询语句的识别准确性。
在步骤S130中,根据初始识别结果对待识别语句进行特征匹配处理得到待识别语句的目标识别结果。
在本公开的示例性实施例中,得到初始识别结果之后,可以根据初始识别处理对为疑似慢查询语句的待识别语句进行特征匹配处理。
在可选的实施例中,图9示出了特征匹配处理的方法的流程示意图,如图9所示,该方法至少可以包括以下步骤:在步骤S910中,当初始识别结果是所述待识别语句为疑似慢查询语句时,生成待识别语句的待识别抽象语法树。
对于初始识别结果中为疑似慢查询语句的待识别语句,可以按照步骤S220所示的方式进行基于词法、语法的分析,生成对应的待识别抽象语法树,在此不再赘述。
进一步的,还可以按照图5所示的方式确定待识别抽象语法树中的无关节点,并对该无关节点进行修剪,以得到不包含无关节点的待识别抽象语法树,在此不再赘述。
在步骤S920中,对待识别抽象语法树进行遍历处理得到待识别字符串序列,并对慢查询特征库中的慢查询抽象语法树进行遍历处理得到慢查询字符串序列。
在生成待识别语句的待识别抽象语法树之后,可以判断该疑似慢查询语句所对应的待识别抽象语法树是否存在于慢查询特征库中。
图10示出了待识别抽象语法树的结构示意图,如图10所示,对于该疑似慢查询语句对应的待识别抽象语法树进行基于广度优先的遍历处理,以得到待识别字符串A:ROOT-D-I1-K1-Wc-K2-Cc-I2-C-S。
另一方面,循环遍历慢查询特征库中的慢查询抽象语法树,分别进行基于广度优先的遍历处理,以获得慢查询特征规则对应的慢查询字符串序列B。
在步骤S930中,利用字符串匹配算法对待识别字符串序列和慢查询字符串序列进行特征匹配处理得到疑似慢查询语句的目标识别结果。
在得到待识别字符串A和慢查询字符串序列B之后,可以利用字符串匹配算法对待识别字符串A和慢查询字符串序列B进行特征匹配处理。
其中,字符串匹配算法可以是KMP(The Knuth-Morris-Pratt Algorithm,一种改进的字符串匹配算法,由D.E.Knuth,J.H.Morris和V.R.Pratt提出的,因此称它为克努特—莫里斯—普拉特操作)字符串匹配算法,也可以是其他算法,本示例性实施例对此不做特殊限定。
具体的,基于KMP字符串匹配算法判断待识别字符串A是否为慢查询字符串序列B的子串。
当待识别字符串A为慢查询字符串序列B的子串时,确定疑似慢查询语句的目标识别结果为该疑似慢查询语句即为慢查询语句;当待识别字符串A不为慢查询字符串序列B的子串时,确定疑似慢查询语句的目标识别结果为该疑似慢查询语句不为慢查询语句,亦即非慢查询语句。
在本示例性实施例中,通过对疑似慢查询语句进行特征匹配处理得到目标识别结果,不仅能够通过慢查询特征库对慢查询特征进行全面识别,还能够提升待识别语句是否为慢查询语句的准确性,降低慢查询语句的误报率。
下面结合一应用场景对本公开实施例中的慢查询语句的识别方法做出详细说明。
图11示出了应用场景下慢查询语句的识别方法的流程示意图,如图11所示,在步骤S1110中,建立慢查询特征库。
图12示出了应用场景下建立慢查询特征库的方法的流程示意图,如图12所示,在步骤S1210中,慢查询SQL特征表现识别。
定义慢查询语句的表现形式,并根据表现形式确定目标节点。
其中,可以让MySQL记录下查询超过指定时间的语句,并将超过指定时间的SQL语句查询称为“慢查询”。
慢查询,顾名思义,执行很慢的查询。具体的,可以是将超过long_query_time参数设定的时间阈值(默认10s),就被认为是慢的,是需要优化的。
慢查询被记录在慢查询日志里。慢查询日志默认是不开启的。如果需要优化SQL语句,就可以开启这个功能,它可以让你很容易地知道哪些语句是需要优化的。
具体的,定义的慢查询语句的表现形式可以包括返回列数过多、分页条件OFFSET过大、不合适的函数的使用和不合适的SQL查询语句结构等,本示例性实施例对此不做特殊限定。
进一步的,可以根据定义出的慢查询语句的表现形式抽象出包括的目标节点。
其中,目标节点可以包括:关键字、标识符、空格和标点符号。
具体的,抽象出的目标节点可以包括SQL语句的关键字,例如SELECT、FROM等,还可以包括SQL语句的标识符,例如列名等,或者包括空格和标点符号等,本示例性实施例对此不做特殊限定。
在步骤S1220中,进行词法、语法分析,生成慢查询SQL的抽象语法树(AST)。
根据目标节点进行分析得到慢查询抽象语法树。
以包含LIKE关键字的单表查询为例,在使用LIKE关键字进行查询的语句中,如果匹配字符串的第一个字符为“%”,将导致索引失败。
首先,定义LIKE慢查询的SQL形式。该SQL形式为SELECT id FROM table WHERENAME LIKE‘%L%’。
然后,通过词法、句法分析生成对应的慢查询抽象语法树。该慢查询抽象语法树为LIKE关键字的全量抽象语法树,共包括5层,且第二层包括10多个节点。在这10多个节点中包括空格和标点符号等节点。
在步骤S1230中,对特征无关节点进行抽象。
在慢查询抽象语法树中确定无关节点。
在生成慢查询抽象语法树之后,可以抽象出该慢查询抽象语法树中与慢查询特征无关的无关节点。
继续参考LIKE关键字的慢查询抽象语法树,可以确定在该慢查询语法树的第二层的10多个节点中包括空格和符号等无关节点。
除此之外,对于多表查询的慢查询语法树中,多个表格占据的节点也可以是无关节点,还可以根据SQL语句的词法或语法特征确定无关节点,本示例性实施例对此不做特殊限定。
对无关节点进行修剪得到慢查询特征规则,以根据慢查询特征规则建立慢查询特征库。
对于空格和符号等无关节点,可以将该无关节点进行删除;对于多个表格占据的无关节点,可以将该多个无关节点合并成一个节点。
基于此,得到对无关节点进行修剪后的慢查询特征规则。
在确定LIKE关键字对应的该慢查询语法树的第二层的10多个节点中包括空格和符号等无关节点之后,可以将该无关节点进行删除,以得到第二层中包含4个节点的慢查询特征规则。
在步骤S1240中,建立慢查询特征库。
进一步的,将该慢查询特征规则维护至慢查询特征库中,以建立完成慢查询特征库。
在步骤S1120中,数据查询请求。
具体的,应用接收外部数据访问请求。
在步骤S1130中,HOOK拦截结果查询类和返回类,获取SQL查询语句、返回结果的数量、查询语句耗时。
在应用代码中的关键类和方法处进行插桩,以获取待识别语句及其对应的语句参数。
其中,语句参数包括返回结果数量和语句执行时间。
在步骤S1140中,判断查询耗时以及返回结果数量。
获取与返回结果数量对应的结果数量阈值以及与语句执行时间对应的执行时间阈值,并对返回结果数量和结果数量阈值进行比较得到数量比较结果。
该结果数量阈值和执行时间阈值可以是事先预设好的,可以根据实际情况和需求进行设置,本示例性实施例对此不做特殊限定。
在获取到与返回结果数量对应的结果数量阈值之后,可以将该返回结果数量和结果数量阈值进行比较,以得到对应的数量比较结果。
对语句执行时间和执行时间阈值进行比较得到时间比较结果,并根据数量比较结果和时间比较结果得到初始识别结果。
在获取到与语句执行时间对应的执行时间阈值之后,可以将该语句执行时间和执行时间阈值进行比较,以得到对应的时间比较结果。
当数量比较结果为返回结果数量小于或等于结果数量阈值,且时间比较结果为语句执行时间小于或等于执行时间阈值时,确定初始识别结果是待识别语句为非慢查询语句。
当数量比较结果和时间比较结果均为返回结果数量未超过结果数量阈值和语句执行时间未超过执行时间阈值时,亦即数量比较结果为返回结果数量小于或等于结果数量阈值,且时间比较结果为语句执行时间小于或等于执行时间阈值,可以直接确定待识别语句的非慢查询语句。
当比较结果为返回结果数量大于结果数量阈值,或时间比较结果为语句执行时间大于执行时间阈值时,确定初始识别结果是待识别语句为疑似慢查询语句。
当数量比较结果和时间比较结果中任意一个返回结果数量和语句执行时间超过对应的结果数量阈值或执行时间阈值时,亦即比较结果为返回结果数量大于结果数量阈值,或时间比较结果为语句执行时间大于执行时间阈值,则认为当前的待识别语句为疑似慢查询语句,继续进行特征匹配处理的判断。
在步骤S1150中,对查询语句进行词法、语法分析,生成抽象语法树(AST),基于AST对特征无关节点进行抽象。
图13示出了应用场景下特征匹配处理的方法的流程示意图,如图13所示,在步骤S1310中,输入疑似慢查询的SQL语句。
在步骤S1320中,进行词法、语法分析,生成抽象语法树(AST)。
当初始识别结果是所述待识别语句为疑似慢查询语句时,生成待识别语句的待识别抽象语法树。
对于初始识别结果中为疑似慢查询语句的待识别语句,可以按照与步骤S1220相同的方式进行基于词法、语法的分析,生成对应的待识别抽象语法树,在此不再赘述。
在步骤S1330中,对特征无关节点进行修剪。
进一步的,还可以按照如步骤S1230所示的方式确定待识别抽象语法树中的无关节点,并对该无关节点进行修剪,以得到不包含无关节点的待识别抽象语法树,在此不再赘述。
在步骤S1340中,判断当前AST结构是否存在于慢查询特征库中。
在生成待识别语句的待识别抽象语法树之后,可以判断该疑似慢查询语句所对应的待识别抽象语法树是否存在于慢查询特征库中。
在步骤S1160中,慢查询特征库匹配。
对待识别抽象语法树进行遍历处理得到待识别字符串序列,并对慢查询特征库中的慢查询抽象语法树进行遍历处理得到慢查询字符串序列。
对于该疑似慢查询语句对应的待识别抽象语法树进行基于广度优先的遍历处理,以得到待识别字符串A:ROOT-D-I1-K1-Wc-K2-Cc-I2-C-S。
另一方面,循环遍历慢查询特征库中的慢查询抽象语法树,分别进行基于广度优先的遍历处理,以获得慢查询特征规则对应的慢查询字符串序列B。
用字符串匹配算法对待识别字符串序列和慢查询字符串序列进行特征匹配处理得到疑似慢查询语句的目标识别结果。
在得到待识别字符串A和慢查询字符串序列B之后,可以利用字符串匹配算法对待识别字符串A和慢查询字符串序列B进行特征匹配处理。
其中,字符串匹配算法可以是KMP字符串匹配算法,也可以是其他算法,本示例性实施例对此不做特殊限定。
具体的,基于KMP字符串匹配算法判断待识别字符串A是否为慢查询字符串序列B的子串。
在步骤S1170中,当前查询SQL语句是慢查询。
当待识别字符串A为慢查询字符串序列B的子串时,确定疑似慢查询语句的目标识别结果为该疑似慢查询语句即为慢查询语句。
在步骤S1180中,当前查询SQL语句不是慢查询。
当待识别字符串A不为慢查询字符串序列B的子串时,确定疑似慢查询语句的目标识别结果为该疑似慢查询语句不为慢查询语句,亦即非慢查询语句。
在该应用场景下的慢查询语句的识别方法,根据慢查询语句的表现形式生成慢查询抽象语法树,并进一步建立对应的慢查询特征库,为慢查询语句的识别提供了数据基础和理论支持,也能够通过慢查询特征库对慢查询特征进行全面识别,帮助全面准确的分析出所有的慢查询语句。进一步的,将阈值判断处理和特征匹配处理进行结合,提供了一种双层判断逻辑的慢查询语句的识别方式,提升了慢查询语句的识别准确性,从而降低了运行时应用自我保护引擎中慢查询语句识别的误报率,提高了运行时应用自我保护引擎的准确度,优化了服务性能和业务流程。
图14示出了慢查询语句的识别装置的结构示意图,如图14所示,慢查询语句的识别装置1400,可以包括:特征建立模块1410、阈值判断模块1420和特征匹配模块1430。其中:
特征建立模块1410,被配置为根据慢查询语句的表现形式生成慢查询抽象语法树,并根据所述慢查询抽象语法树建立慢查询特征库;
阈值判断模块1420,被配置为获取待识别语句和对应的语句参数,并对所述语句参数进行阈值判断处理得到初始识别结果;
特征匹配模块1430,被配置为根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果。
在本发明的一种示例性实施例中,所述根据慢查询语句的表现形式生成慢查询抽象语法树,包括:
定义慢查询语句的表现形式,并根据所述表现形式确定目标节点;
根据所述目标节点进行分析得到慢查询抽象语法树。
在本发明的一种示例性实施例中,所述目标节点,包括:关键字、标识符、空格和标点符号。
在本发明的一种示例性实施例中,所述根据所述慢查询抽象语法树建立慢查询特征库,包括:
在所述慢查询抽象语法树中确定无关节点;
对所述无关节点进行修剪得到慢查询特征规则,以根据所述慢查询特征规则建立慢查询特征库。
在本发明的一种示例性实施例中,所述语句参数包括返回结果数量和语句执行时间,
所述对所述语句参数进行阈值判断处理得到初始识别结果,包括:
获取与所述返回结果数量对应的结果数量阈值以及与所述语句执行时间对应的执行时间阈值,并对所述返回结果数量和所述结果数量阈值进行比较得到数量比较结果;
对所述语句执行时间和所述执行时间阈值进行比较得到时间比较结果,并根据所述数量比较结果和所述时间比较结果得到初始识别结果。
在本发明的一种示例性实施例中,所述根据所述数量比较结果和所述时间比较结果得到初始识别结果,包括:
当所述数量比较结果为所述返回结果数量小于或等于所述结果数量阈值,且所述时间比较结果为所述语句执行时间小于或等于所述执行时间阈值时,确定初始识别结果是所述待识别语句为非慢查询语句;
当所述比较结果为所述返回结果数量大于所述结果数量阈值,或所述时间比较结果为所述语句执行时间大于所述执行时间阈值时,确定初始识别结果是所述待识别语句为疑似慢查询语句。
在本发明的一种示例性实施例中,所述根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果,包括:
当所述初始识别结果是所述待识别语句为疑似慢查询语句时,生成所述待识别语句的待识别抽象语法树;
对所述待识别抽象语法树进行遍历处理得到待识别字符串序列,并对所述慢查询特征库中的所述慢查询抽象语法树进行遍历处理得到慢查询字符串序列;
利用字符串匹配算法对所述待识别字符串序列和所述慢查询字符串序列进行特征匹配处理得到所述疑似慢查询语句的目标识别结果。
上述慢查询语句的识别装置1400的具体细节已经在对应的慢查询语句的识别方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了慢查询语句的识别装置1400的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
下面参照图15来描述根据本发明的这种实施例的电子设备1500。图15显示的电子设备1500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图15所示,电子设备1500以通用计算设备的形式表现。电子设备1500的组件可以包括但不限于:上述至少一个处理单元1510、上述至少一个存储单元1520、连接不同系统组件(包括存储单元1520和处理单元1510)的总线1530、显示单元1540。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1510执行,使得所述处理单元1510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元1520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)1521和/或高速缓存存储单元1522,还可以进一步包括只读存储单元(ROM)1523。
存储单元1520还可以包括具有一组(至少一个)程序模块1525的程序/实用工具1524,这样的程序模块1525包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1500也可以与一个或多个外部设备1700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1500交互的设备通信,和/或与使得该电子设备1500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1550进行。并且,电子设备1500还可以通过网络适配器1560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1560通过总线1530与电子设备1500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图16所示,描述了根据本发明的实施例的用于实现上述方法的程序产品1600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种慢查询语句的识别方法,其特征在于,所述方法包括:
根据慢查询语句的表现形式生成慢查询抽象语法树,并根据所述慢查询抽象语法树建立慢查询特征库;
获取待识别语句和对应的语句参数,并对所述语句参数进行阈值判断处理得到初始识别结果;
根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果。
2.根据权利要求1所述的慢查询语句的识别方法,其特征在于,所述根据慢查询语句的表现形式生成慢查询抽象语法树,包括:
定义慢查询语句的表现形式,并根据所述表现形式确定目标节点;
根据所述目标节点进行分析得到慢查询抽象语法树。
3.根据权利要求2所述的慢查询语句的识别方法,其特征在于,所述目标节点,包括:关键字、标识符、空格和标点符号。
4.根据权利要求1所述的慢查询语句的识别方法,其特征在于,所述根据所述慢查询抽象语法树建立慢查询特征库,包括:
在所述慢查询抽象语法树中确定无关节点;
对所述无关节点进行修剪得到慢查询特征规则,以根据所述慢查询特征规则建立慢查询特征库。
5.根据权利要求1所述的慢查询语句的识别方法,其特征在于,所述语句参数包括返回结果数量和语句执行时间,
所述对所述语句参数进行阈值判断处理得到初始识别结果,包括:
获取与所述返回结果数量对应的结果数量阈值以及与所述语句执行时间对应的执行时间阈值,并对所述返回结果数量和所述结果数量阈值进行比较得到数量比较结果;
对所述语句执行时间和所述执行时间阈值进行比较得到时间比较结果,并根据所述数量比较结果和所述时间比较结果得到初始识别结果。
6.根据权利要求5所述的慢查询语句的识别方法,其特征在于,所述根据所述数量比较结果和所述时间比较结果得到初始识别结果,包括:
当所述数量比较结果为所述返回结果数量小于或等于所述结果数量阈值,且所述时间比较结果为所述语句执行时间小于或等于所述执行时间阈值时,确定初始识别结果是所述待识别语句为非慢查询语句;
当所述比较结果为所述返回结果数量大于所述结果数量阈值,或所述时间比较结果为所述语句执行时间大于所述执行时间阈值时,确定初始识别结果是所述待识别语句为疑似慢查询语句。
7.根据权利要求6所述的慢查询语句的识别方法,其特征在于,所述根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果,包括:
当所述初始识别结果是所述待识别语句为疑似慢查询语句时,生成所述待识别语句的待识别抽象语法树;
对所述待识别抽象语法树进行遍历处理得到待识别字符串序列,并对所述慢查询特征库中的所述慢查询抽象语法树进行遍历处理得到慢查询字符串序列;
利用字符串匹配算法对所述待识别字符串序列和所述慢查询字符串序列进行特征匹配处理得到所述疑似慢查询语句的目标识别结果。
8.一种慢查询语句的识别装置,其特征在于,包括:
特征建立模块,被配置为根据慢查询语句的表现形式生成慢查询抽象语法树,并根据所述慢查询抽象语法树建立慢查询特征库;
阈值判断模块,被配置为获取待识别语句和对应的语句参数,并对所述语句参数进行阈值判断处理得到初始识别结果;
特征匹配模块,被配置为根据所述初始识别结果对所述待识别语句进行特征匹配处理得到所述待识别语句的目标识别结果。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任意一项所述的慢查询语句的识别方法。
10.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被配置为经由执行所述可执行指令来执行权利要求1-7中任意一项所述的慢查询语句的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610198.XA CN114880351B (zh) | 2022-05-31 | 2022-05-31 | 慢查询语句的识别方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610198.XA CN114880351B (zh) | 2022-05-31 | 2022-05-31 | 慢查询语句的识别方法及装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114880351A true CN114880351A (zh) | 2022-08-09 |
CN114880351B CN114880351B (zh) | 2024-02-06 |
Family
ID=82679502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210610198.XA Active CN114880351B (zh) | 2022-05-31 | 2022-05-31 | 慢查询语句的识别方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114880351B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309196A (zh) * | 2019-05-22 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 区块链数据存储和查询方法、装置、设备及存储介质 |
CN112052255A (zh) * | 2020-09-02 | 2020-12-08 | 福建天晴在线互动科技有限公司 | 一种自上而下拆分多表慢查询的sql解释方法及其装置 |
CN112560100A (zh) * | 2020-12-22 | 2021-03-26 | 网易(杭州)网络有限公司 | 数据脱敏方法及装置、计算机可读存储介质、电子设备 |
CN112612810A (zh) * | 2020-12-23 | 2021-04-06 | 贝壳技术有限公司 | 慢sql语句识别方法及系统 |
CN113032371A (zh) * | 2021-04-16 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 数据库语法分析方法、装置和计算机设备 |
CN113220705A (zh) * | 2020-02-06 | 2021-08-06 | 北京沃东天骏信息技术有限公司 | 慢查询识别的方法和装置 |
CN113297249A (zh) * | 2021-01-25 | 2021-08-24 | 阿里云计算有限公司 | 慢查询语句的识别和分析、查询语句的统计方法及装置 |
CN113626281A (zh) * | 2021-07-15 | 2021-11-09 | 北京房江湖科技有限公司 | 慢sql语句追踪方法、装置、电子设备及存储介质 |
CN114265860A (zh) * | 2021-12-22 | 2022-04-01 | 中国电信股份有限公司 | 执行语句的识别方法及装置 |
CN114265857A (zh) * | 2021-11-16 | 2022-04-01 | 阿里巴巴(中国)有限公司 | 查询语句处理方法以及装置 |
-
2022
- 2022-05-31 CN CN202210610198.XA patent/CN114880351B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309196A (zh) * | 2019-05-22 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 区块链数据存储和查询方法、装置、设备及存储介质 |
CN113220705A (zh) * | 2020-02-06 | 2021-08-06 | 北京沃东天骏信息技术有限公司 | 慢查询识别的方法和装置 |
CN112052255A (zh) * | 2020-09-02 | 2020-12-08 | 福建天晴在线互动科技有限公司 | 一种自上而下拆分多表慢查询的sql解释方法及其装置 |
CN112560100A (zh) * | 2020-12-22 | 2021-03-26 | 网易(杭州)网络有限公司 | 数据脱敏方法及装置、计算机可读存储介质、电子设备 |
CN112612810A (zh) * | 2020-12-23 | 2021-04-06 | 贝壳技术有限公司 | 慢sql语句识别方法及系统 |
CN113297249A (zh) * | 2021-01-25 | 2021-08-24 | 阿里云计算有限公司 | 慢查询语句的识别和分析、查询语句的统计方法及装置 |
CN113032371A (zh) * | 2021-04-16 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 数据库语法分析方法、装置和计算机设备 |
CN113626281A (zh) * | 2021-07-15 | 2021-11-09 | 北京房江湖科技有限公司 | 慢sql语句追踪方法、装置、电子设备及存储介质 |
CN114265857A (zh) * | 2021-11-16 | 2022-04-01 | 阿里巴巴(中国)有限公司 | 查询语句处理方法以及装置 |
CN114265860A (zh) * | 2021-12-22 | 2022-04-01 | 中国电信股份有限公司 | 执行语句的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114880351B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102485179B1 (ko) | 설명 정보 확정 방법, 장치, 전자 기기 및 컴퓨터 저장 매체 | |
US9424294B2 (en) | Method for facet searching and search suggestions | |
US9460084B2 (en) | Comparison of character strings | |
WO2016188279A1 (zh) | 一种故障谱的生成、基于故障谱的检测方法和装置 | |
CN110222194B (zh) | 基于自然语言处理的数据图表生成方法和相关装置 | |
CN114722137A (zh) | 基于敏感数据识别的安全策略配置方法、装置及电子设备 | |
CN115576984A (zh) | 中文自然语言生成sql语句及跨数据库查询方法 | |
US20140379753A1 (en) | Ambiguous queries in configuration management databases | |
CN115309451A (zh) | 代码克隆检测方法、装置、设备、存储介质及程序产品 | |
CN114969819A (zh) | 数据资产风险发现方法和装置 | |
JP4237813B2 (ja) | 構造化文書管理システム | |
CN115203719A (zh) | Sql语句脱敏方法、装置、设备及计算机可读存储介质 | |
CN108959454B (zh) | 一种提示子句指定方法、装置、设备及存储介质 | |
CN113760891A (zh) | 一种数据表的生成方法、装置、设备和存储介质 | |
CN114880351B (zh) | 慢查询语句的识别方法及装置、存储介质、电子设备 | |
CN116361184A (zh) | 一种数据查找方法、装置、介质和计算机设备 | |
US20170270127A1 (en) | Category-based full-text searching | |
KR100659370B1 (ko) | 시소러스 매칭에 의한 문서 db 형성 방법 및 정보검색방법 | |
JP4091586B2 (ja) | 構造化文書管理システム、索引構築方法及びプログラム | |
CN116257545B (zh) | 一种数据查询方法、装置、电子设备及存储介质 | |
CN115168399B (zh) | 基于图形化界面的数据处理方法、装置、设备及存储介质 | |
CN115577078B (zh) | 一种工程造价审计信息检索方法、系统、设备及存储介质 | |
Udagawa | A novel technique for retrieving source code duplication | |
JP4304226B2 (ja) | 構造化文書管理システム、構造化文書管理方法及びプログラム | |
CN113868224A (zh) | 一种fpga软件可疑电路特征库构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |