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。

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. import java.sql.*;

14. import com.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。