大主子表關聯(lián)的性能優(yōu)化方法

主子表是數(shù)據(jù)庫最常見的關聯(lián)關系之一，最典型的包括合同和合同條款、訂單和訂單明細、保險保單和保單明細、銀行賬戶和賬戶流水、電商用戶和訂單、電信賬戶和計費清單或流量詳單。當主子表的數(shù)據(jù)量較大時，關聯(lián)計算的性能將急劇降低，在增加服務器負載的同時嚴重影響用戶體驗。作為面向過程的結構化數(shù)據(jù)計算語言，集算器 SPL 可通過有序歸并的方法，顯著提升大主子表關聯(lián)計算的性能。

成都創(chuàng)新互聯(lián)主營臨潭網(wǎng)站建設的網(wǎng)絡公司,主營網(wǎng)站建設方案,App定制開發(fā),臨潭h5微信小程序定制開發(fā)搭建,臨潭網(wǎng)站營銷推廣歡迎臨潭等地區(qū)企業(yè)咨詢

一、        原理解釋

所謂主子表關聯(lián)計算，就是針對主表的每條記錄，按關聯(lián)字段找到子表中對應的一批記錄。以訂單（主表）和訂單明細（子表）為例，兩者以訂單ID為關聯(lián)字段。下圖顯示了關聯(lián)計算過程中對主表中一條記錄的處理情況，紅色箭頭代表沒找到對應記錄（不可關聯(lián)），綠色箭頭代表找到了對應記錄（可關聯(lián)）：

                                             

假設訂單（主表）有m條記錄，訂單明細（子表）有n條記錄，在不考慮優(yōu)化算法時，主表中每一條記錄的關聯(lián)都需要遍歷子表，相應的時間復雜度為O(n)。而主表一共有m條記錄，所以整個計算的復雜度就是O(m*n)，顯然過高。雖然數(shù)據(jù)庫一般會采用hash方案來優(yōu)化，但在數(shù)據(jù)量較大或較多表關聯(lián)時，仍然會面臨時難以并行、使用外存緩存數(shù)據(jù)的問題，性能依舊會急劇下降。

而對于集算器來說，針對大主子表關聯(lián)算法，可以通過兩步來實現(xiàn)顯著優(yōu)化：數(shù)據(jù)有序化、歸并關聯(lián)。

l   數(shù)據(jù)有序化

對主表和子表，首先分別按照關聯(lián)字段排序，形成有序數(shù)據(jù)。

l   歸并關聯(lián)

首先在主表和子表上分別用指針指向第一條記錄，然后開始比對，對于主表的第一條記錄，如果子表遇到匹配的記錄，則表示可以關聯(lián)，記錄后子表指針前移；如果遇到不匹配的記錄，表示主表第一條記錄的關聯(lián)計算完成，此時子表指針不動，主表指針下移一位，指向第二條記錄。以此類推……

優(yōu)化后，單條記錄的關聯(lián)計算可用下圖示意：

可以看到，經(jīng)過優(yōu)化，主表中單條記錄的關聯(lián)只需比對部分數(shù)據(jù)，不再需要遍歷子表。事實上，對主表所有記錄的關聯(lián)，才會遍歷一次子表，也就是復雜度為O(n)。再加上主表本身會遍歷一次，因此整個計算的復雜度就是O(m+n)。

這樣，經(jīng)過集算器優(yōu)化后，算法的時間復雜度變?yōu)榫€性，而且不再需要生成落地的中間數(shù)據(jù)，性能自然得到大幅提升。

當然，需要注意的是，有序化本身也會耗費時間，因此這種優(yōu)化方法不適合只做一次的關聯(lián)算法。但在實際業(yè)務中，關聯(lián)算法通常會反復執(zhí)行，這時有序化的開銷就是一次性的，完全可以忽略不計。

二、        具體實現(xiàn)

下面還是以訂單和訂單明細為例，說明集算器優(yōu)化大主子表關聯(lián)的方法。

首先進行數(shù)據(jù)有序化（注意，這是一次性動作）。集算器腳本“數(shù)據(jù)有序化.dfx”如下：

	A	B
1	=connect("orcl")
2	=A1.cursor("select 訂單ID,客戶ID,訂購日期 from 訂單 order by 訂單ID")	=A1.cursor("select 訂單ID, 產(chǎn)品ID,單價,數(shù)量 from 訂單明細 order by 訂單ID,產(chǎn)品ID")
3	=file("訂單.ctx").create(#訂單ID,客戶ID,訂購日期)	=file("訂單明細.ctx").create(#訂單ID,#產(chǎn)品ID,單價,數(shù)量 )
4	=A3.append(A2)	=B3.append(B2)
5	=A1.close()

A1連接Oracle數(shù)據(jù)源，A5關閉數(shù)據(jù)源。集算器可連接大部分常用數(shù)據(jù)源，包括數(shù)據(jù)庫、Excel、阿里云、SAP等等。

A2、B2：用SQL語句分別取訂單和訂單明細，并按關聯(lián)字段排序。由于數(shù)據(jù)量較大，無法一次性讀入內(nèi)存，因此這里用到了游標函數(shù)cursor。

A3、B3：分別創(chuàng)建組表文件“訂單.ctx”和“訂單明細.ctx”，用于存儲有序化之后的數(shù)據(jù)。這里需要指定字段名，其中帶#號的字段是主鍵，。數(shù)據(jù)將按主鍵排序，且主鍵的值不可重復。

A4-B4：將游標追加寫入組表文件。

 

 

其次，對于通常會反復執(zhí)行的關聯(lián)算法，可以用集算器腳本“歸并關聯(lián).dfx”實現(xiàn)如下：

	A	B
1	=file("訂單.ctx").create().cursor(訂單ID)	=file("訂單明細.ctx").create().cursor(訂單ID,數(shù)量)
2	=joinx(A1:主表,訂單ID; B1:子表,訂單ID)
3	=A2.groups(;sum(子表.數(shù)量))

A1、B1：讀入組表文件“訂單.ctx”和“訂單明細.ctx”。注意組表默認為列式存儲，因此只需讀入后續(xù)計算需要的字段，從而大幅降低I/O。

A2：對有序游標A1、B1進行歸并關聯(lián)，其中“主表”、“子表”是別名，方便后續(xù)引用，如果省略別名，后續(xù)可以通過默認別名_1、_2引用。注意，函數(shù)joinx默認進行內(nèi)關聯(lián)，可用選項@1指定左關聯(lián)，或者@f指定全關聯(lián)。如果有多個游標都要與A1關聯(lián)，可用分號依次隔開。

A3：對關聯(lián)結果進行后續(xù)計算，例如匯總產(chǎn)品數(shù)量。事實上后續(xù)計算可以支持任意算法，也不是本文的討論范圍了。

 

上面介紹了集算器SPL腳本的寫法，而在實際執(zhí)行時，還需要部署集算器的運行環(huán)境。有兩種部署方式可供選擇：內(nèi)嵌部署和獨立部署。

l   內(nèi)嵌部署

內(nèi)嵌部署時，集算器的用法類似內(nèi)嵌數(shù)據(jù)庫，應用系統(tǒng)使用集算器驅動（JDBC）執(zhí)行同一個JVM下的集算器腳本。

下面是Java調(diào)用“歸并關聯(lián).dfx”的代碼

1.     com.esproc.jdbc.InternalConnection   con=null; 2.     try{ 3.         Class.forName("com.esproc.jdbc.InternalDriver"); 4.           con   =(com.esproc.jdbc.InternalConnection)DriverManager.getConnection("jdbc:esproc:local://"); 5.           ResultSet rs =   con.executeQuery("call 歸并關聯(lián)()"); 6.     } catch(SQLException e){ 7.         out.println(e); 8.     }finally{ 9.         if  (con!=null) con.close(); 10.   }

在上述JAVA代碼中，集算器腳本以文件的形式保存，調(diào)用語法類似存儲過程。而如果腳本很簡單，也可以不保存腳本文件，直接書寫表達式，調(diào)用語法類似SQL，這時第5行可以寫成：

ResultSet rs = con.executeQuery("=joinx(file(\"訂單.ctx\").create().cursor(訂單ID),訂單ID; file(\"訂單明細.ctx\").create().cursor(訂單ID,數(shù)量),訂單ID).groups(;sum(_2.數(shù)量))");

這篇文章詳細介紹了JAVA調(diào)用集算器的過程：http://doc.raqsoft.com.cn/esproc/tutorial/bjavady.html

除了使用Java代碼，也可以通過報表訪問集算器，這時按照訪問一般數(shù)據(jù)庫的方法即可，具體可參考《讓Birt報表腳本數(shù)據(jù)源變得既簡單又強大》。

 

對于腳本“數(shù)據(jù)有序化.dfx”，可以用同樣的方法執(zhí)行。不過這個腳本通常只執(zhí)行一次，所以也可以直接在命令行中執(zhí)行，windows用法如下：

D:\raqsoft64\esProc\bin>esprocx 數(shù)據(jù)有序化.dfx

Linux下用法類似，可以參考http://doc.raqsoft.com.cn/esproc/tutorial/minglinghang.html

 

l   獨立部署

獨立部署時，集算器的用法類似遠程數(shù)據(jù)庫，應用系統(tǒng)可以使用集算器驅動（JDBC或ODBC驅動）訪問集算服務器。這種情況下，應用系統(tǒng)和集算器服務器通常部署在不同的機器上。

例如集算服務器的IP地址為192.168.0.2，端口號為8281，那么JAVA應用系統(tǒng)可以通過如下代碼訪問：

st = con.createStatement(); st.executeQuery("=callx(\"歸并關聯(lián).dfx\";[\"192.168.0.2:8281\"])");

關于集算服務器的部署和使用，詳細內(nèi)容可參考http://doc.raqsoft.com.cn/esproc/tutorial/fuwuqi.html

關于JDBC和ODBC驅動的部署方法，可分別參考

http://doc.raqsoft.com.cn/esproc/tutorial/jdbcbushu.html

http://doc.raqsoft.com.cn/esproc/tutorial/odbcbushu.html

三、        多線程優(yōu)化

前面介紹了基本的優(yōu)化思路和實現(xiàn)方法，也就是針對數(shù)據(jù)本身的優(yōu)化。而現(xiàn)實中服務器都是多核心CPU，因此可以進一步對上述算法進行多線程優(yōu)化。

多線程優(yōu)化的原理，是將主表和子表各分為N段，使用N個線程同時進行關聯(lián)計算。

原理雖簡單，但真正實現(xiàn)的時候，就會發(fā)現(xiàn)很多難題：

l   分段效率

想把數(shù)據(jù)分為N段，就要先找到每一段的起始行號，如果用遍歷的笨辦法數(shù)行號，顯然會白白消耗大量的I/O資源。

l   數(shù)據(jù)跨段

理論上，關聯(lián)字段值相同的子表記錄，應該分到同一段。如果對子表隨意分段，很可能形成跨段的數(shù)據(jù)。

l   分段對齊

更進一步，理論上，子表的第i段數(shù)據(jù)，應該與主表的第i段數(shù)據(jù)對齊，也就是主子表關聯(lián)字段值的范圍應該一致。如果兩者各自獨立分段，則可能導致分段數(shù)據(jù)難以對齊。

l   二次計算

如果后續(xù)計算不涉及聚合，例如只是過濾，那么只需將N個線程的計算結果直接合并。但如果后續(xù)計算涉及聚合，比如sum或分組匯總，那就要單獨再進行二次計算聚合。

 

好在集算器已經(jīng)充分解決了上述難題，分段時不會耗費IO資源、關聯(lián)字段值相同的記錄會分在同一段、子表和主表會保持對齊、各種二次計算無需單獨實現(xiàn)。

具體來說，首先，數(shù)據(jù)有序化腳本需要做如下修改（紅色字體為修改部分）：

	A	B
1	=connect("orcl")
2	=A1.cursor("select 訂單ID,客戶ID,訂購日期 from 訂單 order by 訂單ID")	=A1.cursor("select 訂單ID, 產(chǎn)品ID,單價,數(shù)量 from 訂單明細 order by 訂單ID,產(chǎn)品ID")
3	=file("訂單多線程.ctx").create(#訂單ID,客戶ID,訂購日期)	=file("訂單明細多線程.ctx").create(#訂單ID,#產(chǎn)品ID,單價,數(shù)量   ;#訂單ID )
4	=A3.append(A2)	=B3.append(B2)
5	=A1.close()

B3：生成“訂單明細多線程.ctx”時，數(shù)據(jù)按“#訂單ID”分段。這將保證訂單ID相同的記錄，將來會分到同一段。

歸并關聯(lián)的腳本需修改如下：

	A	B
1	=file("訂單多線程.ctx").create().cursor@m(訂單ID)	=file("訂單明細多線程.ctx").create().cursor@m(訂單ID,數(shù)量;;A1)
2	=joinx(A1:主表,訂單ID; B1:子表,訂單ID)
3	=A2.groups(;sum(子表.數(shù)量))

A1：@m表示對數(shù)據(jù)分段，形成多線程游標（也叫多路并行游標）。其中線程數(shù)量是默認值，由系統(tǒng)參數(shù)“最大并行數(shù)”決定，也可手工修改。例如希望生成4線程游標，A1應寫成：

=file("訂單多線程.ctx").create().cursor@m(訂單ID ;;4)

B1：同樣生成多線程游標，并與A1的多線程游標對齊。

A2-A3：歸并關聯(lián)，再執(zhí)行后續(xù)算法。這兩步寫法上沒變化，但底層會自動進行多線程合并和二次計算，從而降低了程序員的編程難度。

四、        結構優(yōu)化

在前面算法的基礎上，還可以進一步提升計算性能，那就是以層次結構存儲數(shù)據(jù)，直接記錄關聯(lián)關系。

具體來說，先用“結構優(yōu)化有序化.dfx”生成組表文件：

	A	B
1	=connect("orcl")
2	=A1.cursor("select 訂單ID,客戶ID,訂購日期 from 訂單 order by 訂單ID")	=A1.cursor("select 訂單ID, 產(chǎn)品ID,單價,數(shù)量 from 訂單明細 order by 訂單ID,產(chǎn)品ID")
3	=file("多層訂單.ctx").create(#訂單ID,客戶ID,訂購日期)
4	=A3.append(A2)	=A3.attach(訂單明細,#產(chǎn)品ID,單價,數(shù)量)
5		=B4.append(B2)
6	=A1.close()

B4：在主表的基礎上附加子表，命名為訂單明細。與主表不同的是，子表默認繼承了主表的主鍵，因此可以省略訂單ID，只需要寫另一個主鍵產(chǎn)品ID。這樣，2個表寫在了一個組表文件中，從而才能形成層次結構。

B5：向子表寫入數(shù)據(jù)。

此時，組表“多層訂單.ctx”將按層次結構存儲，邏輯示意圖如下：

#訂單 ID	#產(chǎn)品 ID	單價	數(shù)量	客戶 ID	訂單日期
10248				VINET	2012-07-04
	17	14	12
	42	9	10
	72	34	5
10249				TOMSP	2012-07-05
	14	18	9
	51	42	40
10250				HANAR	2012-07-08
	41	7	10
	51	42	35
	65	16	15
…				…	…
	…	…	…

可以看到，每條主表記錄與對應的子表記錄，在邏輯上已經(jīng)緊密相關，無需額外關聯(lián)，這樣便可大幅提高關聯(lián)算法的性能。

進行關聯(lián)計算時，使用以下腳本“結構優(yōu)化歸并關聯(lián).dfx”：

	A	B
1	=file("多層訂單.ctx").create()	=A1.attach(訂單明細)
2	=A1.cursor@m(訂單ID)	=B1.cursor@m(訂單ID,產(chǎn)品ID)
3	=joinx(A2:主表,訂單ID; B2:子表,訂單ID)
4	=A3.groups(;sum(子表.數(shù)量))

A1、B1：打開主表，以及附加在主表上的子表。

A2、B2：以多線程方式分別讀取主表和子表。需要注意的是，多層組表里的實表之間天然具備相關性，因此無需特意指定子表和主表的分段關系，代碼比之前更清晰簡單。

A3，A4：歸并關聯(lián)并執(zhí)行后續(xù)算法，這兩步?jīng)]變化。

五、        數(shù)據(jù)更新

前面的優(yōu)化方式都基于庫表全量導出為組表文件的情況，但實際業(yè)務中數(shù)據(jù)庫表總會發(fā)生變化，因此需要考慮數(shù)據(jù)更新的問題，也就是要將變化的數(shù)據(jù)定時更新到組表文件中。

顯然，更新數(shù)據(jù)應選擇在無人查詢組表文件時進行，一般都是半夜或凌晨。而更新的頻率，則需要按照數(shù)據(jù)實時性要求來設定，例如每天一次或每周一次。至于更新的方式，需要按照數(shù)據(jù)的變化規(guī)律來考慮，最常見的是數(shù)據(jù)追加，有時也會遇到增刪改。

下面先看數(shù)據(jù)追加：

訂單和訂單明細每天都會產(chǎn)生新記錄，假設需要在每天凌晨2點將昨天新增的記錄追加到組表文件中。下圖顯示了2018/11/23新增記錄的情況，注意，有些訂單（訂單ID：20001）并沒有對應的訂單明細：

訂單表	訂單明細表
訂單 ID 客戶 ID 訂單日期 19999APK2018/11/2220000APK2018/11/2320001APJ2018/11/2320002APL2018/11/2320003APP2018/11/24	訂單 ID 產(chǎn)品 ID 單價數(shù)量 199991757.1151999916204.516200001364.282000014640.22200021615.242000319245.25

把主子表追加到組表文件中的腳本 “追加組文件.dfx”如下：

	A	B
2	=begin=datetime(elapse(date(now()),-1))	=end=elapse(begin,1)
3	=connect("orcl")
4	=A3.query@x("select 訂單.訂單ID 主訂單ID,訂單明細.訂單ID 子訂單ID,產(chǎn)品ID,單價,數(shù)量,客戶ID,訂購日期 from 訂單 left  join 訂單明細 on 訂單.訂單ID=訂單明細.訂單ID where 訂購日期>? and 訂購日期<=? order by 訂單ID,產(chǎn)品ID",begin,end)
5	=A4.groups(主訂單ID:訂單ID,客戶ID,訂購日期)	=A4.select(子訂單ID).new(子訂單ID:訂單ID,產(chǎn)品ID,單價,數(shù)量)
6	=file("多層訂單.ctx").create()
7	=A6.append(A5.cursor())	=A6.attach(訂單明細)
8		=B7.append(B5.cursor())

A2、B2：計算昨天的起止時間，以便查詢新增數(shù)據(jù)。函數(shù)now獲取當前時間點，理論上應該是2018-11-24 02:00:00。A2是昨天的起始時間點，即2018-11-22 00:00:00。B2是終止時間點，即2018-11-23 00:00:00。之所以在集算器中計算起止時間，主要是為了增加可讀性和移植性。實際上也可以在SQL中計算。

A4：取出新增的主表和子表記錄。這里用一句SQL取兩張表的數(shù)據(jù)，主要是為了提高效率。由于有些訂單并沒有對應的訂單明細，因此用訂單左關聯(lián)訂單明細，且將對應不上的訂單明細置空。計算結果如下：

主訂單 ID	子訂單 ID	產(chǎn)品 ID	單價	數(shù)量	客戶 ID	訂購日期
20000	20000	13	64.2	8	APK	2018/11/23
20000	20000	14	640.2	2	APK	2018/11/23
20001					APJ	2018/11/23
20002	20002	16	15.2	4	APL	2018/11/23

A5、B5：拆出新增的主子表記錄，結果示例如下：

訂單 ID 客戶 ID 訂單日期 20000APK2018/11/2320001APJ2018/11/2320002APL2018/11/23

訂單 ID 產(chǎn)品 ID 單價數(shù)量 200001364.282000014640.22200021615.24

A6-B8：將主表和子表追加到組表文件中。

腳本寫完之后，還需要在每天的02:00:00定時執(zhí)行，這可以使用操作系統(tǒng)內(nèi)置的任務調(diào)度。

在Windows下，建立如下的bat批處理文件，：

"D:\raqsoft64\esProc\bin\esprocx.exe" 追加組文件.dfx

再使用windows內(nèi)置的"計劃任務"，定時執(zhí)行批處理文件即可。

在linux下，建立如下的sh批處理文件，：

/raqsoft/esProc/bin/esprocx.sh synclastday.dfx

再使用crontab命令，定時執(zhí)行批處理文件即可。

當然也可使用圖形化工具定時執(zhí)行腳本，比如Quartz。

需要注意的是，大多數(shù)情況下，能夠選擇無人使用組表文件的時候進行追加，但有些業(yè)務中組表文件全天都要使用，而有些項目對容錯要求更高，要求追加失敗時再次追加，這類項目就需要更加細致的追加方法，詳情可參考《基于文件系統(tǒng)實現(xiàn)可追加的數(shù)據(jù)集市》。

 

除了追加這種主要的更新方式，業(yè)務中也會遇到增刪改都存在的情況。

在這種情況下，就需要知道哪些是刪除的記錄，哪些是修改或新增的記錄。如果條件允許，可以在原表中新加“標記”字段，并將維護狀態(tài)記錄在該字段中。如果不方便修改原表，則應當創(chuàng)建對應的“維護日志表”。例如下面兩張表，分別是訂單和訂單明細的維護日志。

訂單維護表	訂單明細維護表
訂單 ID 客戶 ID 訂購日期標記 11108OKBJ12012/11/23 刪除 11107VINET2018/11/26 修改 30000TOMSP2018/11/26 新增	訂單 ID 產(chǎn)品 ID 單價數(shù)量標記 1110817100.110 刪除 1110819100.110 刪除 1110717200.120 修改 1110718300.130 新增 3000020400.140 新增 3000021500.150 新增

根據(jù)維護日志更新組表文件，可使用下面的腳本：

 

	A	B
1	=connect("orcl")
2	=訂單刪除=A1.query("select * from 訂單維護where 標記= '刪除' ")	=明細刪除= A1.query("select * from 訂單明細維護where標記= '刪除' ")
3	=訂單修改新增= A1.query("select * from 訂單維護where 標記= '修改' or標記= '新增' ")	=明細新增修改= A1.query("select * from 訂單明細維護where標記= '修改' or標記= '新增' ")
4	=file("多層訂單.ctx").create()	=A4.attach(訂單明細)
5	=A4.delete(訂單刪除)	=B4.delete(訂單刪除)
6	=A4.update(訂單修改新增)	=B4.update(訂單修改新增)
7	=A1.execute("delete * from 訂單維護")	=A1.execute("delete * from 訂單明細維護")
8	=A1.close()

A2、B2:從數(shù)據(jù)庫查出應刪除的記錄

A3、B3:從數(shù)據(jù)查出應修改和新增的記錄

A5、B5:對組表進行刪除操作。

A6、B6:從組表進行修改新增操作。

A7、B7:清空維護日志表，以便下次繼續(xù)更新數(shù)據(jù)。

 

六、        T+0實時計算

通過定時追加，能保證組表文件與昨天的數(shù)據(jù)同步，從而實現(xiàn)T+1計算，但有時需要進行實時大主表關聯(lián)，即T+0計算。

對于T+0計算，需要將兩種不同的數(shù)據(jù)源進行混合計算，由于SQL或SP的數(shù)據(jù)模型較為封閉，因此難以實現(xiàn)混合計算，而使用集算器就非常簡單。

比如對組表文件定時追加后，數(shù)據(jù)庫當天又產(chǎn)生了如下新數(shù)據(jù)：

訂單	訂單明細
訂單 ID 客戶 ID 訂購日期………20002APL2018/11/2340000VINET2018/11/2640001TOMSP2018/11/2640002HANAR2018/11/26	訂單 ID 產(chǎn)品 ID 單價數(shù)量…………200021615.2440000115005400001260064000213700.274000214800.28

可使用如下腳本實現(xiàn)T+0實時計算：

	A	B
1	=begin=datetime(date(now()))
2	=connect("orcl")
3	=A2.query@x("select sum(數(shù)量) as 總數(shù) from 訂單,訂單明細  where 訂單.訂單ID=訂單明細.訂單ID and 訂購日期>=?",begin)
4	=file("多層訂單.ctx").create()	=A4.attach(訂單明細)
5	=A4.cursor@m(訂單ID)	=B4.cursor@m(訂單ID,數(shù)量)
6	=joinx(A5:主表,訂單ID; B5:子表,訂單ID)
7	=A6.groups(;sum(子表.數(shù)量):總數(shù))
8	=(A3|A7).groups(;sum(總數(shù)):總數(shù))

A1:算出當天的起始時間點，即2018-11-26 00:00:00。

A3:針對數(shù)據(jù)庫當天產(chǎn)生的新數(shù)據(jù)，進行關聯(lián)計算。由于當天數(shù)據(jù)量較小，因此性能可以接受。

A4-A7:針對組表文件歷史數(shù)據(jù)，進行高性能關聯(lián)計算。

A8:合并當天和歷史，并進行二次計算，以獲得最終計算結果。其中符號|表示縱向合并，這是實現(xiàn)混合計算的關鍵。事實上，這種寫法也表明集算器支持任意數(shù)據(jù)源之間的混合計算，比如Excel與elasticSearch之間。

關于T+0計算更多的細節(jié)，可參考相關文章《實時報表 T+0 的實現(xiàn)方案》

新聞名稱：大主子表關聯(lián)的性能優(yōu)化方法
URL標題：http://muchs.cn/article16/ghspgg.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、虛擬主機、、標簽優(yōu)化、網(wǎng)站制作、搜索引擎優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)