您好,登录后才能下订单哦!
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。
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:
A | ||
1 | =file("sales.btx").cursor@b() | /从集文件读入订单记录 |
2 | =A1.groupx(date(ORDERDATE),PRODUCTID) | /按日期、产品分组去重 |
3 | =A2.skip() | /对游标计数 |
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:
A | B | |
1 | =file("sales.btx").cursor@b() | |
2 | for A1;date(ORDERDATE) | =A2.id(PRODUCTID) |
3 | return B2 |
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:
A | ||
1 | =cursor("distinctProduct.dfx") | /调用程序游标 |
2 | =A1.skip() |
可以看到,程序游标可减少数据落地,从而提升计算性能。
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:
A | B | C | |
1 | func | =connect("orcl") | |
2 | for 60*60*24 | =elapse(datetime("2015-01-01 00:00:00"),A2-1) | |
3 | =A1.query("select CALLTIME,OUTID,INID,DURATION,CHARGE from"+A1+"where callTime=?",B2) | ||
4 | =B3.sort(OUTID,INID,DURATION,CHARGE) | ||
5 | return B4 | ||
6 | =A1.close() | ||
7 | =cursor@c(A1,"callRecordA") | ||
8 | =cursor@c(A1,"callRecordB") | ||
9 | =[A7,A8].mergex@u() | ||
10 | =A9.fetch@x(500) |
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。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。