Chinaunix首页 | 论坛 | 博客

-

  • 博客访问: 3640964
  • 博文数量: 167
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 1873
  • 用 户 组: 普通用户
  • 注册时间: 2018-12-20 14:57
文章分类
文章存档

2021年(14)

2020年(81)

2019年(68)

2018年(4)

我的朋友

分类: 敏捷开发

2021-01-06 16:04:05


实践目标

本期目标是练习如何搭建多维分析后台的基础宽表,并通过 SPL 和 SQL 访问基础宽表。

实践的步骤:

1、 准备基础宽表:将基础宽表数据从数据库中取出,存成组表文件。

2、 访问基础宽表:用 SPL 或者 SQL 语句访问。

本期样例宽表为 customer 表。从 Oracle 数据库中取出宽表数据的 SQL 语句是 select * from customer。执行结果如下图:

 ..

其中字段包括:

CUSTOMER_ID NUMBER(10,0), 客户编号

FIRST_NAME VARCHAR2(20), 名

LAST_NAME VARCHAR2(25), 姓

PHONE_NUMBER VARCHAR2(20), 电话号码

BEGIN_DATE DATE, 开户日期

JOB_ID VARCHAR2(10), 职业编号

JOB_TITLE VARCHAR2(32), 职业名称

BALANCE NUMBER(8,2), 余额

EMPLOYEE_ID NUMBER(4,0), 开户雇员编号

DEPARTMENT_ID NUMBER(4,0), 分支机构编号

DEPARTMENT_NAME VARCHAR2(32), 分支结构名称

FLAG1 CHAR(1), 标记 1

FLAG2 CHAR(1), 标记 2

FLAG3 CHAR(1), 标记 3

FLAG4 CHAR(1), 标记 4

FLAG5 CHAR(1), 标记 5

FLAG6 CHAR(1), 标记 6

FLAG7 CHAR(1), 标记 7

FLAG8 CHAR(1), 标记 8

多维分析计算的目标可以用下面的 SQL 语句表示:

select department_id,job_id,begin_date,sum(balance) sum,count(customer_id) count

from customer

where department_id in (10,20,50,60,70,80) and flag1='1' and flag8='1'

group by department_id,job_id,begin_date

准备宽表

编写 etl.dfx,从数据库中取出数据生成组表文件 customer.ctx,即存储为宽表。代码示例如下:


A B
1 =connect@l("oracle") =A1.cursor("select   * from customer")
2 =file("data/customer.ctx").create@y(customer_id,first_name,last_name,phone_number,begin_date,job_id,job_title,balance,employee_id,department_id,department_name,flag1,flag2,flag3,flag4,flag5,flag6,flag7,flag8)  
3 =A2.append(B1) >A2.close(),A1.close()

A1:连接预先配置好的数据库 oracle。@l 选项是将字段名处理成小写,l 是字母 L 的小写,不是数字 1。

B1:建立数据库游标,准备取出 customer 表的数据。customer 是事实表,实际应用中一般都比较大,所以用游标的方式,避免内存溢出。

A2:定义列存组表文件。字段名和 B1 完全一致。

A3:边取出游标 B1,边输出到组表文件中。

B3:关闭组表文件和数据库连接。

 

当宽表数据量有一千万行时,导出组表文件约 393MB。

部署集算服务器

按照教程部署好集算器节点机。将 meta.txt 放入主目录中,文件内容是表名和文件名的对应关系,如下:

Table      File  Column  Type

customer       data/customer.ctx

 

文件名是相对于主目录的,假如节点机主目录是 d:/esproc/,那么完整的文件名就是 d:/esproc/data/customer.ctx。

访问宽表

多维分析后台需要被通用的前端所调用。调用的方式有两种,第一种是使用 SQL;第二种是执行脚本,提交过滤条件、分组字段等参数给后台执行。

一、SQL

我们先来看第一种,以 Java 调用集算器 JDBC 为例来说明。Java 示例代码如下:

public void testOlapServer(){

       Connection con = null;

       java.sql.Statement st;

       try{

              // 建立连接

              Class.forName("com.esproc.jdbc.InternalDriver");

              // 根据 url 获取连接

              con= DriverManager.getConnection("jdbc:esproc:local://?onlyServer=true&sqlfirst=plus");

              st = con.createStatement();

              // 直接执行 SQL+ 语句,获取结果集

              ResultSet rs = st.executeQuery("select department_id,job_num,begin_date,sum(balance) sum,count(customer_id) count from customer where department_id in  (10,20,50,60,70,80) and flag1='1'and flag8='1'group by department_id,job_num,begin_date");

              // 继续处理结果集,将结果集展现出来

             

       }

       catch(Exception e){

              out.println(e);

       }

       finally{

              // 关闭连接

              if (con!=null) {

                     try {con.close();}

                     catch(Exception e) {out.println(e);      }

              }

       }

}

这里的 customer.ctx 会被完全读入内存,不适合大数据量的情况。对于大数据量,可以在表名前面加 /*+ external*/,组表会被处理成游标。或者也可以采用下面执行脚本的方法。

加上 /*+ external*/ 之后的 SQL 如下:

select department_id,job_num,begin_date,sum(balance) sum,count(customer_id) count

from /*+ external*/ customer

where department_id in  (10,20,50,60,70,80) and flag1='1' and flag8='1'

group by department_id,job_num,begin_date

 

用游标时,Java 程序执行的总时间是 8 秒。

需要说明的是,这里的执行时间绝对数值并不重要(它和硬件环境相关)。记录执行时间是为了后面的实践中采用多种优化方法时,看看可以将时间缩短多少。

 

我们可以用多线程并行的方式执行 SQL,方法是给表名加上/*+parallel (n) */。2 线程并行完整的 SQL 如下:

select department_id,job_num,begin_date,sum(balance) sum,count(customer_id) count

from /*+ external*/ /*+parallel (2) */ customer

where department_id in  (10,20,50,60,70,80) and flag1='1' and flag8='1'

group by department_id,job_num,begin_date

 

2 线程并行时,Java 程序执行的总时间是 4 秒。

 

二、执行脚本

编写 olap-spl.dfx,用 SPL 代码访问宽表并进行过滤和分组汇总计算。

先定义网格参数,将文件名、过滤条件、分组字段、聚合表达式分别传入。

参数设置窗口如下:

..

参数值设置如下:

filename="data/customer.ctx"

where="[10,20,50,60,70,80].contain(department_id) && flag1==\"1\"&& flag8==\"1\"

group="department_id,job_id,begin_date"

aggregate="sum(balance):sum,count(customer_id):count"

 

SPL 代码示例如下:


A B
1 =file(filename).open()   =A1.cursor(;${where})
2 =B1.groups(${group};${aggregate})
3 return A2

A1:打开组表对象。

B1:建立游标,定义游标前过滤,条件是 where 变量的值。

A2:对游标做分组汇总计算,分组字段是 group 变量的值。汇总计算是 aggregate 变量的值。因为分组之后数据量较小,所以用 groups,结果集直接放在内存中。

执行结果如下图:

..

A3:将结果集返回给调用者。

 

olap-spl.dfx 编写好之后,可以在多维分析中作为存储过程调用,Java 代码如下:

public void testOlapServer(){

       Connection con = null;

       java.sql.PreparedStatement st;

       try{

              // 建立连接

              Class.forName("com.esproc.jdbc.InternalDriver");

              // 根据 url 获取连接

              con= DriverManager.getConnection("jdbc:esproc:local://?onlyServer=true&sqlfirst=plus");

              // 调用存储过程,其中 olap-spl 是 dfx 的文件名

st =con.prepareCall("call olap-spl(?,?,?,?)");

st.setObject(1, "data/customer.ctx");

st.setObject(2, "[10,20,50,60,70,80].contain(department_id) && flag1==\"1\"&& flag8==\"1\" ");

st.setObject(3, "department_id,job_id,begin_date");

st.setObject(4, "sum(balance):sum,count(customer_id):count");

// 执行存储过程

st.execute();

// 获取结果集

ResultSet rs = st.getResultSet();

// 继续处理结果集,将结果集展现出来

             

       }

       catch(Exception e){

              out.println(e);

       }

       finally{

              // 关闭连接

              if (con!=null) {

                     try {con.close();}

                     catch(Exception e) {out.println(e);      }

              }

       }

}

此时,我们是采用单线程进行的计算。

单线程时,Java 程序执行的总时间是 12 秒。

 

我们也可以用多线程并行的方式执行脚本。2 线程并行的 olap-spl.dfx 脚本如下:


A B
1 =file(filename).open()   =A1.cursor@m(;${where};2)
2 =B1.groups(${group};${aggregate})
3 return A2

B1:cursor 函数的 @m 是指多路游标,最后一个参数 2 表示 2 路,也就是 2 线程并行。

 

2 线程时,Java 程序执行的总时间是 6 秒。


阅读(582) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~