SPL 关联优化技巧

1.          小维表

用SPL进行关联，当维表不大时可以读入内存。

1.1           单字段主键

如果维表是单字段主键，可以使用switch做连接。例如有订单、客户、雇员三个表存储在集文件中，表结构如下：

Order	Customer	Employee
orderID	customerID	employeeID
customerID	name	name
employeeID	City	title
……	……	country
		……

 

现在把订单表和客户表、雇员表进行关联：

	A
1	=file(“order.btx”).cursor@b()
2	=file(“customer.btx”).import@b()
3	=file(“employee.btx”).import@b()
4	=A1.switch(customerID,A2:   customerID;employeeID,A3: employeeID)
5	=A4.new(orderID,   customerID.name, employeeID.name:name)

A1：订单表数据很多，所以用游标。

A2：客户表数据少，全部装入内存，并且建立索引。

A3：同理雇员表也做维表内存化。

A4：用switch做关联，根据客户ID字段关联订单表和客户表，以及根据employeeID字段关联订单表和雇员表。

从A4可以看到，switch可以一次处理多个关联计算。

 

当维表的主键是序号时还可以用序号定位。

	A
1	=file(“order.btx”).cursor@b()
2	=file(“customer.btx”).import@b().index()
3	=file(“employee.btx”).import@b()
4	=A1.switch(customerID,A2:   customerID; employeeID D,A3:#)
5	=A4.new(orderID,   customerID.name, employeeID.name:name)

A5：雇员表的employeeID字段是从1开始的自然数，所以可以做外键序号化。

 

如果维表的主键不是序号值，就无法直接使用外键序号化进行性能优化。比如customerID字段的值就是由字母构成的。这时，可以把维表的主键转换成序号后再使用外键序号化。

首先把客户表的客户ID转换为序号：

	A
1	=file(“customer.btx”).import@b()
2	=A1.derive(#:newCustomerID)
3	=file(“newAndOldCustomerID.btx”).export@b(A2,   newCustomerID, customerID)
4	=file(“newCustomer.btx”).export@b(A2,   newCustomerID: customerID, name,city)

序号化后的客户保存到了集文件newCustomer.btx中。其中newAndOldCustomerID.btx里保存的是新旧客户ID的对应关系。

 

然后再把订单表的customerID进行序号化：

	A
1	=file(“newAndOldCustomerID.btx”).import@b()
2	=file(“order.btx”).cursor@b()
3	=A2.switch(customerID,A1:   customerID)
4	=A3.run(customerID.   newCustomerID: customerID)
5	=file(“newOrder.btx”).export@ba(A4)

序号化后的订单保存到了集文件订单.btx中。

 

这时对于customerID字段，也可以通过序号化进行连接了。

	A
1	=connect(“demo”)
2	=file(“newOrder.btx”).cursor@b()
3	=file(“newCustomer.btx”).import@b()
4	=file(“employee.btx”).import@b()
5	=A2.switch(customerID,A3:#;   employeeID,A4:#)
6	=A5.new(orderID,   customerID.name,employeeID.name:name)

 

1.2           多字段主键

当维表的主键是多个字段的时候，要使用join做连接。例如有学生表（Students）和班级表（Classes），学生表的专业号和班级号为外键字段，分别指向班级表的联合主键（专业号，班级号），表结构如下：

 

Student	Class
studentId	majorId
name	classId
majorId	teacher
classId

 

现在要查询学生的学号、姓名、专业、班级和班主任：

	A
1	=file(“student.btx”).import@b()
2	=file(“class.btx”).import@b().keys(majorId,classId)
3	=A1.join(majorId:classId,A2,teacher)

A2：导入班级数据，并且设置主键为majorId和classId；

A3：join() 函数进行双字段的主键关联，将班主任信息添加到学生信息中。

2.          大维表

如果维表无法装入内存，而事实表可以装入内存，则可以使用joinx函数进行关联。此时维表要按主键有序存储，可分段集文件或组表均可，后者效率更高。

例如有退货表、产品表两个表存储在集文件中，表结构如下：

Returns	Product
orderID	productID
productID	name
price	price
quantity	category
date	……
……

这里退货表对关联字段producID是无序的，产品表是按照producID字段有序的。计算目标是获得每一笔退货记录的产品类别，需要把退货表和产品表做关联：

	A
1	=file(“returns.btx”).import@b()
2	=file(“product.btx”)
3	=A1.joinx@q(productID,A2:productID,categroy:   categroy;)
4	=A3.fetch()

A1：把退货表装入内存；

A2：给出产品表的文件对象；

A3：使用joinx函数进行关联。

 

如果事实表对关联字段也是有序的，就可以加上@c，进一步提速。例如计算每一笔退货记录的客户ID，就要把退货表和订单表做关联：

	A
1	=file(“returns.btx”).import@b()
2	=file(“order.btx”)
3	=A1.joinx@qc(orderID,A2:orderID,customerID:   customerID;)
4	=A3.fetch()

 

实际上，上面两个例子可以一次完成：

	A
1	=file(“returns.btx”).import@b()
2	=file(“order.btx”)
3	=file(“product.btx”)
4	=A1.joinx@qc(orderID,A2:orderID,customerID:customerID;   productID,A3:productID,category: category;)
5	=A4.fetch()

A4：做了两次关联，退货表表先跟订单表关联，得到的结果再跟产品表做关联。这里退货表对关联字段orderID是有序的，所以可以加@c，但要写在最前面。

 

对于事实表无法装入内存的情况，可以使用游标。例如有订单明细的表结构如下：

orderDetails

orderID

productID

price

quantity

date

……

订单明细保存在组表里，现在要计算某个月销售的产品的种类情况，需要把订单明细表的单月数据和产品表进行关联，：

	A
1	=file(“orderDetails.ctx”).create().cursor(;year(date)==2018&&   month(date)==11)
2	=file(“product.btx”)
3	=A1.joinx@q(productID,A2:productID,categroy:   categroy;)
4	=A3.fetch()

A1：2018年11月的订单明细仍然无法装入内存，使用游标访问。

A2：给出产品表的文件对象；

A3：使用joinx函数进行关联。

 

joinx支持事实表是游标的情况，但不宜太大，否则效率就会比较低了。

3.          同维主子表

对于按主键有序存储的主子表可以使用joinx实现有序归并连接。订单表、订单明细表已经是对订单ID字段有序的，计算每个客户的总消费额：

	A
1	=file(“order.btx”).cursor@b()
2	=file(“orderDetail.btx”).cursor@b()
3	=joinx(A1:order,orderID;A2: detail,orderID)
4	=A3.groups(order.customerID:customerID;sum(detail.price*detail.quantity):amount   )

 

有序归并还可以和游标外键一起使用，例如计算消费总金额大于1000的客户名：

	A
1	=file(“order.btx”).cursor@b()
2	=file(“orderDetail.btx”).cursor@b()
3	=file(“customer.btx”).import@b()
4	=A1.switch@i(customerID, A3: customerID)
5	=joinx(A4:order,orderID;A2:detail,orderID)
6	=A5.groups(order.customerID.name:customer; sum(detail.price*detail.quantity):amount   ).select(amount>100000)

 

如果主子表不是按住键有序时则要事先排序才能使用这种方法。

4.          并行归并

对于同维的主子组表，可以并行进行关联。例如订单和订单明细这两个组表，分段字段都是订单ID。计算消费总金额大于1000的客户名，仍然使用joinx进行关联：

	A
1	=file(“order.ctx”).create().cursor@m(;;4)
2	=file(“orderDetail.ctx”).create().cursor(;;A1)
3	=joinx(A1:order,orderID;A2:detail ,orderID)
4	=A3.groups(order.customerID:customer;   sum(detail.price*detail.quantity):amount).select(amount>100000)

A1：得到订单的多路游标，这里使用的游标路数是4。

A2：根据多路游标A1的值，得到订单明细的多路游标，游标路数也是4。

实际测试的结果表明，使用4线程并行后速度快了大约2.5倍。

 

需要注意的是，分段字段要在产生组表时就指定：

	A
1	=file(“order.ctx”).create(#orderID,customerID,employeeID;orderID)
2	=file(“orderDetail.ctx”).create(#orderID,productID,price,quantity,date;orderID)

这样追加的数据会按orderID字段分段，不会把orderID同值的记录分到两段中。

5.          主子表合一

组表支持主子表保存在同一文件中，合一后取出关联数据的性能会更高。例如可以把订单作为主表保存到组表文件order.ctx，再在主表上创建一个附表，命名为detail，把订单明细保存到这个附表上，这时再计算消费总金额大于1000的客户名，就是这样：

	A
1	=file(“order.ctx”).create().attach(detail)
2	=A1.cursor(orderID,customerID,price,quantity)
3	=A2.groups(customerID:customer; sum(price*quantity):amount).select(amount>100000)

A1：打开附表订单明细；

A2：建立附表游标；

A3：进行分组，并计算消费总额。

 

这种方式也支持并行，只要把A2稍微修改就可以：

	A
1	=file(“order.ctx”).create().attach(detail)
2	=A1.cursor@m(orderID,customerID,price,quantity;;4)
3	=A2.groups(customerID:customer; sum(price*quantity):amount).select(amount>100000)

A2：建立附表的多路游标，路数为4；

 

根据实际测试的结果，使用附表比使用joinx更快。主子表是1：N的关系，当N越大时，读取速度的提升就越大；当主表的主键是多字段时，读取速度提升的越明显。

当订单是1亿条，每条对应大约10条订单明细时，本案例实际测试结果：

耗时（秒）
2 个组表 joinx	组表合一	组表合一并行（4 线程）
781	602	368

 

使用主子表合一后，不仅有速度上的优化，在空间上也更小了，合一后的组表比两个组表要节省20%左右的硬盘空间。