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:
1=文件(“sales.btx") .cursor@b()/从集文件读入订单记录2=A1.groupx(日期(向),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:
有所=文件(“sales.btx") .cursor@b ()
2 A1,日期(向)=A2.id (PRODUCTID) 3
返回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,所以这里用身份证去重。
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。
主程序可通过游标函数调用程序游标,用法与普通游标类似:
1=光标(“distinctProduct.dfx")/调用程序游标2=A1.skip ()
,,,,,,,,可以看的到,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:
ABC1func=连接(“orcl")
2
60 * 60 * 24=流逝(datetime (“2015 - 01 - 01,,00:00:00")、A2-1) 3
=A1.query(“选择,CALLTIME、OUTID INID、持续时间、电荷from" + A1 +“CALLTIME=?“, B2) 4
=B3.sort (OUTID, INID、持续时间、费用)5
返回B46
=A1.close ()
7=cursor@c (A1,“callRecordA") 8=cursor@c (A1,“callRecordB") 9=[A7, A8] .mergex@u () 10=A9.fetch@x (500)
A1:用函数定义程序游标,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。
