轻量级内存计算引擎

内存计算指数据事先存储于内存，各步骤中间结果不落硬盘的计算方式，适合性能要求较高，并发较大的情况。

成都创新互联公司是一家以成都网站建设公司、网页设计、品牌设计、软件运维、网站推广、小程序App开发等移动开发为一体互联网公司。已累计为成都格栅板等众行业中小客户提供优质的互联网建站和软件开发服务。

HANA、TimesTen等内存数据库可实现内存计算，但这类产品价格昂贵结构复杂实施困难，总体拥有成本较高。本文介绍的集算器同样可实现内存计算，而且结构简单实施方便，是一种轻量级内存计算引擎。

下面就来介绍一下集算器实现内存计算的一般过程。

一、        启动服务器

集算器有两种部署方式：独立部署、内嵌部署，区别首先在于启动方式有所不同。

l   独立部署

作为独立服务部署时，集算器与应用系统分别使用不同的JVM，两者可以部署在同一台机器上，也可分别部署。应用系统通常使用集算器驱动（ODBC或JDBC）访问集算服务，也可通过HTTP访问。

n   Windows下启动独立服务，执行“安装目录\esProc\bin\esprocs.exe”，然后点击“启动”按钮。

n   Linux下应执行“安装目录/esProc/bin/ServerConsole.sh”。

启动服务器及配置参数的细节，请参考：http://doc.raqsoft.com.cn/esproc/tutorial/fuwuqi.html。

l   内嵌部署

作为内嵌服务部署时，集算器只能与JAVA应用系统集成，两者共享JVM。应用系统通过JDBC访问内嵌的集算服务，无需特意启动。

详情参考http://doc.raqsoft.com.cn/esproc/tutorial/bjavady.html。

二、        加载数据

加载数据是指通过集算器脚本，将数据库、日志、WebService等外部数据读入内存的过程。

比如Oracle中订单表如下：

订单明细如下：

将上述两张表加载到内存，可以使用下面的集算器脚本（initData.dfx）：

A1：连接Oracle数据库。

A2-A3：执行SQL查询，分别取出订单表和订单明细表。query@x表示执行SQL后关闭连接。函数keys可建立主键，如果数据库已定义主键，则无需使用该函数。

A4-A5:将两张表常驻内存，分别命名为订单和订单明细，以便将来在业务计算时引用。函数env的作用是设置/释放全局共享变量，以便在同一个JVM下被其他算法引用，这里将内存表设为全局变量，也就是将全表数据保存在内存中，供其他算法使用，也就实现了内存计算。事实上，对于外存表、文件句柄等资源也可以用这个办法设为全局变量，使变量驻留在内存中。

脚本需要执行才能生效。

对于内嵌部署的集算服务，通常在应用系统启动时执行脚本。如果应用系统是JAVA程序，可以在程序中通过JDBC执行initData.dfx，关键代码如下：

这篇文章详细介绍了JAVA调用集算器的过程http://doc.raqsoft.com.cn/esproc/tutorial/bjavady.html

如果应用系统是JAVA WebServer，那么需要编写一个Servlet，在Servlet的init方法中通过JDBC执行initData.dfx，同时将该servlet设置为启动类，并在web.xml里进行如下配置：

对于独立部署的集算服务器，JAVA应用系统同样要用JDBC接口执行集算器脚本，用法与内嵌服务类似。区别在于脚本存放于远端，所以需要像下面这样指定服务器地址和端口：

如果应用系统非JAVA架构，则应当使用ODBC执行集算器脚本，详见http://doc.raqsoft.com.cn/esproc/tutorial/odbcbushu.html

对于独立部署的服务器，也可以脱离应用程序，在命令行手工执行initData.dfx。这种情况下需要再写一个脚本（如runOnServer.dfx）：

然后在命令行用esprocx.exe调用runOnServer.dfx：

Linux下用法类似，参考http://doc.raqsoft.com.cn/esproc/tutorial/minglinghang.html

三、        执行运算获得结果

数据加载到内存之后，就可以编写各种算法进行访问，执行计算并获得结果，下面举例说明：以客户ID为参数，统计该客户每年每月的订单数量。

该算法对应的Oracle中的SQL语句如下：

在集算器中，应当编写如下业务算法（algorithm_1.dfx）

为方便调试和维护，也可以分步骤编写：

A1：按客户ID过滤数据。其中，“订单”就是加载数据时定义的全局变量，pCustID是外部参数，用于指定需要统计的客户ID，函数select执行查询。@m表示并行计算，可显著提高性能。

A2：执行分组汇总，输出计算结果。集算器默认返回有表达式的最后一个单元格，也就是A2。如果要返回指定单元的值，可以用return语句

当pCustID=”VINET”时，计算结果如下：

需要注意的是，假如多个业务计算都要对客户ID进行查询，那不妨在加载数据时把订单按客户ID排序，这样后续业务算法中就可以使用二分法进行快速查询，也就是使用select@b函数。具体实现上，initData.dfx中SQL应当改成：

相应的，algorithm_1.dfx中的查询应当改成：

执行脚本获得结果的方法，前面已经提过，下面重点说说报表，这类最常用的应用程序。

由于报表工具都有可视化设计界面，所以无需用JAVA代码调用集算器，只需将数据源配置为指向集算服务，在报表工具中以存储过程的形式调用集算器脚本。

对于内嵌部署的集算服务器，调用语句如下：

由于本例中算法非常简单，所以事实上可以不用编写独立的dfx脚本，而是在报表中直接以SQL方式书写表达式：

对于独立部署的集算服务器，远程调用语句如下：

有时，需要在内存进行的业务算法较少，而web.xml不方便添加启动类，这时可以在业务算法中调用初始化脚本，达到自动初始化的效果，同时也省去编写servlet的过程。具体脚本如下：

A1-B1:判断是否存在全局变量“订单明细”，如果不存在，则执行初始化数据脚本initData.dfx。

A2-A3:继续执行原算法。

四、        引用思维

       前面例子用到了select函数，这个函数的作用与SQL的where语句类似，都可进行条件查询，但两者的底层原理大不相同。where语句每次都会复制一遍数据，生成新的结果集；而select函数只是引用原来的记录指针，并不会复制数据。以按客户查询订单为例，引用和复制的区别如下图所示：

可以看到，集算器由于采用了引用机制，所以计算结果占用空间更小，计算性能更高（分配内存更快）。此外，对于上述计算结果还可再次进行查询，集算器中新结果集同样引用最初的记录，而SQL就要复制出很多新记录。

除了查询之外，还有很多集算器算法都采用了引用思维，比如排序、集合交并补、关联、归并。

五、        常用计算

回顾前面案例，可以看到集算器语句和SQL语句存在如下的对应关系：

事实上，集算器支持完善的结构化数据算法，比如：

l   GROUP BY…HAVING

l   ORDER BY…ASC/DESC

l   DISTINCT

l    UNION/UNION ALL/INTERSECT/MINUS

与SQL的交并补不同，集算器只是组合记录指针，并不会复制记录。

l   SELECT … FROM (SELECT …)

l    SELECT (SELECT … FROM) FROM

l    CURSOR/FETCH

游标有两种用法，其一是外部JAVA程序调用集算器，集算器返回游标，比如下面脚本：

JAVA获得游标后可继续处理，与JDBC访问游标的方法相同。

其二，在集算器内部使用游标，遍历并完成计算。比如下面脚本：

集算器适合解决复杂业务逻辑的计算，但考虑到简单算法占大多数，而很多程序员习惯使用SQL语句，所以集算器也支持所谓“简单SQL”的语法。比如algorithm_1.dfx也可写作：

上述脚本通用于任意SQL，$()表示执行默认数据源（集算器）的SQL语句，如果指定数据源名称比如$(orcl)，则可以执行相应数据库（数据源名称是orcl的Oracle数据库）的SQL语句。

from {}语句可从任意集算器表达式取数，比如：from {订单.groups(year(订单日期):年份;count(1):订单数量)}

from 也可从文件或excel取数，比如：from d:/emp.xlsx

简单SQL同样支持join…on…语句，但由于SQL语句（指任意RDB）在关联算法上性能较差，因此不建议轻易使用。对于关联运算，集算器有专门的高性能实现方法，后续章节会有介绍。

简单SQL的详情可以参考：http://doc.raqsoft.com.cn/esproc/func/dbquerysql.html#db_sql_

六、        有序引用

SQL基于无序集合做运算，不能直接用序号取数，只能临时生成序号，效率低且用法繁琐。集算器与SQL体系不同，能够基于有序集合运算，可以直接用序号取数。例如：

函数m()可按指定序号获取成员，参数为负表示倒序。参数也可以是集合，比如m([3,4,5])。而利用函数to()可按起止序号生成集合，to(3,5)=[3,4,5]。

前面例子提到过二分法查询select@b，其实已经利用了集算器有序访问的特点。

有时候我们想取前 N名，常规的思路就是先排序，再按位置取前N个成员，集算器脚本如下：

对应SQL写法如下：

但上述常规思路要对数据集大排序，运算效率很低。除了常规思路，集算器还有更高效的实现方法：使用函数top。

函数top只排序出订单日期最早的N条记录，然后中断排序立刻返回，而不是常规思路那样进行全量排序。由于底层模型的限制，SQL不支持这种高性能算法。

函数top还可应用于计算列，比如拟对订单采取新的运货费规则，求新规则下运货费最大的前100条订单，而新规则是：如果原运货费大于等于1000，则运货费打八折。

集算器脚本为：

七、        关联计算

关联计算是关系型数据库的核心算法，在内存计算中应用广泛，比如：统计每年每月的订单数量和订单金额。

该算法对应Oracle的SQL语句为：

用集算器实现上述算法时，加载数据的脚本不变，业务算法如下（algorithm_2.dfx）

A1:将订单明细与订单关联起来，子表主表为别名，点击单元格可见结果如下

可以看到，集算器join函数与SQL join语句虽然作用一样，但结构原理大不相同。函数join关联形成的结果，其字段值不是原子数据类型，而是记录，后续可用“.”号表达关系引用，多层关联非常方便。

A2:分组汇总。

计算结果如下：

关联关系分很多类，上述订单和订单明细属于其中一类：主子关联。针对主子关联，只需在加载数据时各自按关联字段排序，业务算法中就可用归并算法来提高性能。例如：

函数join@m表示归并关联，只对同序的两个或多个表有效。

集算器的关联计算与RDB不同，RDR对所有类型的关联关系都采用相同的算法，无法进行有针对性的优化，而集算器采取分而治之的理念，对不同类型的关联关系提供了不同的算法，可进行有针对性的透明优化。

除了主子关联，最常用的就是外键关联，常用的外键表（或字典表）有分类、地区、城市、员工、客户等。对于外键关联，集算器也有相应的优化方法，即在数据加载阶段事先建立关联，如此一来业务算法就不必临时关联，性能因此提高，并发时效果尤为明显。另外，集算器用指针建立外键关联，访问速度更快。

比如这个案例：订单表的客户ID字段是外键，对应客户表（客户ID、客户名称、地区、城市），需要统计出每个地区每个城市的订单数量。

数据加载脚本（initData_3.dfx）如下：

A4：用函数switch建立外键关联，将订单表的客户ID字段，替换为客户表相应记录的指针。

业务算法脚本如下（algorithm_3.dfx）如下

加载数据时已经建立了外键指针关联，所以A1中的“客户ID”表示：订单表的客户ID字段所指向的客户表记录，“客户ID.地区”即客户表的地区字段。

脚本中多处使用“.”号表达关联引用，语法比SQL直观易懂，遇到多表多层关联时尤为便捷。而在SQL中，关联一多如同天书。

       上述计算结果如下：

八、        内外混合计算

内存计算虽然快，但是内存有限，因此通常只驻留最常用、并发访问最多的数据，而内存放不下或访问频率低的数据，还是要留在硬盘，用到的时候再临时加载，并与内存数据共同参与计算。这就是所谓的内外混合计算。

下面举例说明集算器中的内外混合计算。

案例描述：某零售行业系统中，订单明细访问频率较低，数据量较大，没必要也没办法常驻内存。现在要将订单明细与内存里的订单关联起来，统计出每年每种产品的销售数量。

数据加载脚本（initData_4.dfx）如下：

业务算法脚本（algorithm_4.dfx）如下：

A2：执行SQL，以游标方式取订单明细，以便计算远超内存的大量数据。

A3：将订单表转为游标模式，下一步会用到。

A4：关联订单明细表和订单表。函数joinx与join@m作用类似，都可对有序数据进行归并关联，区别在于前者对游标有效，后者对序表有效。

A5：执行分组汇总。

九、        数据更新

数据库中的物理表总会变化，这种变化应当及时反映到共享的内存表中，才能保证内存计算结果的正确，这种情况下就需要更新内存。如果物理表较小，那么解决起来很容易，只要定时执行初始化数据脚本（initData.dfx）就可以了。但如果物理表太大，就不能这样做了，因为初始化脚本会进行全量加载，本身就会消耗大量时间，而且加载时无法进行内存计算。例如：某零售巨头订单数据量较大，从数据库全量加载到内存通常超过5分钟，但为保证一定的实时性，内存数据又需要5分钟更新一次，显然，两者存在明显的矛盾。

解决思路其实很自然，物理表太大的时候，应该进行增量更新，5分钟的增量业务数据通常很小，增量不会影响更新内存的效率。

要实现增量更新，就需要知道哪些是增量数据，不外乎以下三种方法：

方法A：在原表加标记字段以识别。缺点是会改动原表。

方法B：在原库创建一张“变更表”，将变更的数据记录在内。好处是不动原表，缺点是仍然要动数据库。

方法C：将变更表记录在另一个数据库，或文本文件Excel中。好处是对原数据库不做任何改动，缺点是增加了维护工作量。

集算器支持多数据源计算，所以方法B、C没本质区别，下面就以B为例更新订单表。

第一步，在数据库中建立“订单变更表”，继承原表字段，新加一个“变更标记”字段，当用户修改原始表时，需要在变更表同步记录。如下所示的订单变更表，表示新增1条修改2条删除1条。

第二步，编写集算器脚本updatemem_4.dfx，进行数据更新。

A1：建立数据库连接。

A2：将内存中的订单复制一份，命名为订单cp。下面过程只针对订单cp进行修改，修改完毕再替代内存中的订单，期间订单仍可正常进行业务计算。

A3：取数据库订单变更表。

A4-B5：取出订单变更表中需删除的记录，在订单cp中找到这些记录，并删除。

A6-B6：取出订单变更表中需新增的记录，在订单cp中追加。

A7-B9：这一步是修改订单cp，相当于先删除再追加。也可用modify函数实现修改。

A10：将修改后的订单cp常驻内存，命名为订单。

A11-A12：清空“变更表”，以便下次取新的变更记录。

上述脚本实现了完整的数据更新，而实际上很多情况下只需要追加数据，这样脚本还会简单很多。

       脚本编写完成后，还需第三步：定时5分钟执行该脚本。   

       定时执行的方法有很多。如果集算器部署为独立服务，与Web应用没有共用JVM，那么可以使用操作系统自带的定时工具（计划任务或crontab），使其定时执行集算器命令(esprocx.exe或esprocx.sh)。

有些web应用有自己的定时任务管理工具，可定时执行某个JAVA类，这时可以编写JAVA类，用JDBC调用集算器脚本。

       如果web应用没有定时任务管理工具，那就需要手工实现定时任务，即编写JAVA类，继承java内置的定时类TimerTask，在其中调用集算器脚本，再在启动类中调用定时任务类。

       其中启动类myServle4为：

1.     import java.io.IOException;      

2.     import java.util.Timer;      

3.     import javax.servlet.RequestDispatcher;      

4.     import javax.servlet.ServletContext;      

5.     import javax.servlet.ServletException;      

6.     import javax.servlet.http.HttpServlet;      

7.     import javax.servlet.http.HttpServletRequest;      

8.     import javax.servlet.http.HttpServletResponse;      

9.     import org.apache.commons.lang.StringUtils;      

10.   public class myServlet4 extends HttpServlet {      

11.       private static final long serialVersionUID = 1L;      

12.       private Timer timer1 = null;      

13.       private Task task1;                

14.       public ConvergeDataServlet() {      

15.           super();      

16.       }      

17.       public void destroy() {      

18.           super.destroy();       

19.           if(timer1!=null){      

20.               timer1.cancel();      

21.           }      

22.       }      

23.       public void doGet(HttpServletRequest request, HttpServletResponse response)      

24.               throws ServletException, IOException {      

25.       }      

26.       public void doPost(HttpServletRequest request, HttpServletResponse response)      

27.               throws ServletException, IOException {      

28.           doGet(request, response);             

29.       }      

30.       public void init() throws ServletException {      

31.           ServletContext context = getServletContext();      

32.           // 定时刷新时间(5分钟)      

33.           Long delay = new Long(5);      

34.           // 启动定时器      

35.           timer1 = new Timer(true);      

36.           task1 = new Task(context);      

37.           timer1.schedule(task1, delay * 60 * 1000, delay * 60 * 1000);      

38.       }      

39.   } 

定时任务类Task为：

11.  import java.util.TimerTask;      

12.  import javax.servlet.ServletContext;  

13.   importjava.sql.*;

14.   importcom.esproc.jdbc.*;    

15.  public class Task extends TimerTask{      

16.      private ServletContext context;      

17.      private static boolean isRunning = true;      

18.      public Task(ServletContext context){      

19.          this.context = context;      

20.      }      

21.      @Override     

22.      public void run() {      

23.          if(!isRunning){      

24.                com.esproc.jdbc.InternalConnection con=null;

25.                try{

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

27.                      con =(com.esproc.jdbc.InternalConnection)DriverManager.getConnection("jdbc:esproc:local://");

28.                      ResultSet rs = con.executeQuery("call updatemem_4()");

29.                }

30.                catch(SQLException e){

31.                      out.println(e);

32.                }finally{

33.                    //关闭数据集

34.                          if(con!=null) con.close();

35.                }

36.          }      

37.      }      

38.  }      

十、        综合示例

下面，通过一个综合示例来看一下在数据源多样、算法复杂的情况下，集算器如何很好地实现内存计算：

案例描述：某B2C网站需要试算订单的邮寄总费用，以便在一定成本下挑选合适的邮费规则。大部分情况下，邮费由包裹的总重量决定，但当订单的价格超过指定值时（比如300美元），则提供免费付运。结果需输出各订单邮寄费用以及总费用。

其中订单表已加载到内存，如下：

邮费规则每次试算时都不同，因此由参数“pRule”临时传入，格式为json字符串，某次规则如下：

上述json串表示各字段在各种取值范围内时的邮费。第一条记录表示，cost字段取值在300与1000000之间的时候，邮费为0（免费付运）；第二条记录表示，weight字段取值在0到1（kg）之间时，邮费为10（美元）。

思路：将json串转为二维表，分别找出filed字段为cost和weight的记录，再对整个订单表进行循环。循环中先判断订单记录中的cost值是否满足免费标准，不满足则根据重量判断邮费档次，之后计算邮费。算完各订单邮费后再计算总邮费，并将汇总结果附加为订单表的最后一条记录。

数据加载过程很简单，这里不再赘述，即：读数据库表，并命名为“订单表”。

业务算法相对复杂，具体如下：

A1:解析json，将其转为二维表。集算器支持多数据源，不仅支持RDB，也支持NOSQL、文件、webService。

A2-A3：查询邮费规则，分为免费和收费两种。

A4：新增空字段postage。

A5-D8：按两种规则循环订单表，计算相应的邮费，并填入postage字段。这里多处用到流程控制，集算器用缩进表示，其中A5、B7为循环语句，C6、D8跳入下一轮循环，B5、C7为判断语句

A9:在订单表追加新纪录，填入汇总值。

计算结果如下：

       至此，本文详细介绍了集算器用作内存计算引擎的完整过程，同时包括了常用计算方法和高级运算技巧。可以看到，集算器具有以下显著优点：

l   结构简单实施方便，可快速实现内存计算；

l   支持多种调用接口，应用集成没有障碍；

l   支持透明优化，可显著提升计算性能；

l   支持多种数据源，便于实现混合计算；

l   语法敏捷精妙，可轻松实现复杂业务逻辑。

       关于内存计算，还有个多机分布式计算的话题，将在后续文章中进行介绍。