性能优化技巧 - 程序游标

很多算法都会产生落地的中间结果，从而影响性能，尤其是数据量较大的时候。这种情况下通常可用程序游标来避免数据落地，下面举例说明。

前半排序

计算目标：订单表原来已按时间排序，需要将数据按日期、产品去除重复，再统计记录条数。

由于去重后结果集较大，内存放不下，因此一般会用groupx去重，SPL脚本如下：

但函数groupx会导致数据落地，因此性能不高。

要使去重的中间结果不落地，可以先生成程序游标，distinctProduct.dfx脚本如下：

A2：循环订单表。由于数据已按时间排序，因此每次取日期相同的一批数。

B2：按产品去重。注意，全量数据虽大，但按天取数相对较少，内存可以放下，所以这里用id去重。

B3：返回本批次的去重结果。注意，程序游标并非一次性返回所有数据，而是每次循环之后，先等待调用者的请求，如果调用者继续要数据，程序游标才会进行下一次循环，期间数据不落地。

主程序可通过cursor函数调用程序游标，用法与普通游标类似：

         可以看到，程序游标可减少数据落地，从而提升计算性能。

 集合运算

数据库进行集合运算时要先排序，如果数据量太大，则排序会耗费大量时间，迟迟不能输出结果。在这种情况下，适合用程序游标生成不落地的有序中间结果集，从而实现快速输出。

比如两张结构相同表：callRecordA、callRecordB。两张表在时间字段callTime上建立了索引，每秒数据量万级，现在对2015-01-01这一天的数据做并集运算，需要快速输出前500条（比如在报表上快速呈现）。

这次将程序游标和调用代码写在同一个脚本中，如下：

A1：用func定义程序游标，相应的调用语法为cursor@c。

B2：循环一天中的每一秒。

C3：从数据库查询一秒的数据，因为是按索引取数，所以速度很快，而且对数据库影响很小。注意A1是表名变量，程序游标既可以从callRecordA取数，也可以从callRecordB取数。

C4：对一秒数据进行内存排序，以便形成有序结果集。由于数据在同一秒，所以只需对其他字段排序。

A7A8：以表名为参数，取出2个程序游标。

A9：对两个游标进行有序归并，@u表示取并集。类似地，可以用@i和@d分别进行并交集、差集运算。