DataSourceHolder.reg("sso", "url", "user", "password");   // 注册数据源
DataSourceHolder.reg("sso", new DruidDataSource().set()); // 注册数据源
...五种方式注册动态数据源
ServiceProxy.service("sso").query("SSO_USER");            // 切换数据源
ServiceProxy.service("sso").validity();                   // 验证数据源
DataSourceHolder.destroy("sso");                          // 注销数据源
List<String> list = DataSourceHolder.copy("sso");         // 复制数据源
List<String> list = DataSourceHolder.list();              // 已注册数据源
...三种方式切换数据源

// 查询当前数据源所有表, true:包含表结构(列、索引等)
LinkedHashMap<String, Table> tables = service.metadata().tables(true);
LinkedHashMapp<String, Column> columns = table.getColumns();
LinkedHashMapp<String, Index> indexes = table.indexes();
// 对比数据库(表、列)之间的差异及成生DDL
TablesDiffer differ = TablesDiffer.compare(tablesA, tablesB);// 对比结果
LinkedHashMap<String, Table> adds = differ.getAdds();        // 添加的表
LinkedHashMap<String, Table> drops = differ.getDrops();      // 删除的表
LinkedHashMap<String, Table> updates = differ.getUpdates();  // 更新的表
List<Run> runs = ServiceProxy.ddls(differ);                  // 生成DDL

Table table = new Table("sso_user");
// 自动识别转换数据类型
table.addColumn("ID", "bigint").primary(true).autoIncrement(true);
table.addColumn("NAME", "varchar(50)").setComment("名称");
table.addColumn("SALARY", "decimal(10,2)").setNullable(false);
table.addColumn("UPDATE_TIME", "timestamp").setOnUpdate(true);
table.addColumn("CREATE_TIME", "datetime").setComment("创建时间")
    .setDefaultValue(JDBCAdapter.SQL_BUILD_IN_VALUE.CURRENT_DATETIME);
// 创建 或 修改 数据库
service.ddl().create(table) 或 save(table) alter(table)

// 自动识别 或 忽略查询条件, 拒绝各种机械的FOR IF ELSE
service.query("sso_user(ID, CODE, NAME AS USER_NAME)",
    condition(true, "NAME:%nm%", "TYPE:[tp]", "AGE:age")); 约定格式
SELECT ID, CODE, NAME AS USER_NAME FROM SSO_USER
WHERE NAME LIKE '%?%' AND TYPE IN(?,?) AND AGE = ? LIMIT 0, 10
// 查询条件 与 JSON 自动转换(代代码 自定义查询条件等场景)
String json = "{....}"JSON示例
ConfigStore configs = ConfigBuilder.build(json);
json = configs.json(true);
service.query("SSO_USER", configs)

// 结果集二次操作、避免多余的数据库交互 更多批量操作
set.select.equals(key, value);
// OGNL表达式 根据A,B列的值 创建出C列
set.ognl("C", "${A}-${B}");
// 行列转换
DataSet.pivot("姓名", "科目", "成绩");
// 聚合及分组 求和、平均、方差、标准偏差等常用数学计算
set.group("age", Aggregation.COUNT, "dept")
[{dept:"财务部",avg:25},{dept:"市场部",avg:35}]