SPL 分组优化技巧

 

1.      常规分组

当分组聚合的结果集不大时,可以使用groups。例如有学生成绩表存储在集文件中,表结构如下:

Scores

class

studentID

subject

score

……

 

现在计算每个学生的总分数:


A

1

=file("scores.btx").import@b()

2

=A1.groups(studentID;   sum(score):TotalScore)

A1:成绩表的数据装入内存。

A2:按照studentID字段分组,计算总分。

 

如果成绩表数据太大,无法装入内存,则可以用游标方式:


A

1

=file("scores.btx").cursor@b()

2

=A1.groups(studentID;   sum(score):TotalScore)

A1:得到成绩表的游标。

A2:按照studentID字段分组,计算总分。

 

当成绩表记录很多,分组计算的结果集很大时,就要使用groupx


A

1

=file("scores.btx").cursor@b()

2

=A1.groupx(studentID;   sum(score):TotalScore;10000)

A1:得到成绩表的游标。

A2:按照studentID字段分组,计算总分。

groupx的最后一个参数是缓冲区行数,也就是内存里能够一次处理的记录条数,这里指定为10000,实际使用时要根据自己的情况进行调整。

2.      有序分组

2.1.      前半有序

当数据对分组字段有序时,可以使用groups@o。如上例中,当成绩表对studentID字段有序时,就可以加上选项o


A

1

=file("scores.btx").import@b()

2

=A1.groups@o(studentID; sum(score):TotalScore)

 

如果成绩表太大,无法装入内存,可以使用游标:


A

1

=file("scores.btx").cursor@b()

2

=A1.groups@o(studentID; sum(score):TotalScore)

 

同样,如果有序分组的结果集很大,就不能用groups,这时要使用group


A

1

=file("scores.btx").cursor@b()

2

=A1.group(studentID; sum(score):TotalScore)

group的返回是游标,这一点跟groups不一样。

2.2.      后半有序

 “后半有序是指:要分组的表 T 已经对字段a,b有序,现在我们要将表T按字段b进行分组。例如有保存销售记录的集文件sale.btx,表结构如下:

Sales

date

employeeID

amount

……

销售表对字段date,employeeID有序,现在要计算每个员工的销售总额,对employeeID字段做分组,这时常规分组会计算hash,但这种后半有序的情况可以使用groups@h,看一下实现:


A

1

=file("sale.btx").import@b()

2

=A1.groups@h(employeeID;   sum(amount):TotalAmount)

如果销售表太大,无法装入内存,可以使用游标:


A

1

=file("sale.btx").cursor@b()

2

=A1.groups@h(employeeID;   sum(amount):TotalAmount)

 

3.      序号分组

分组表达式的结果是序号的时候,可以使用groups@n。仍然使用上例的销售表,现在要计算统计每个月的销售额,实现是这样的:


A

1

=file("sale.btx").cursor@b()

2

=A1.groups@n0(month(date):MONTH;sum(amount):   TotalAmount)

A1:得到销售表的游标。

A2:把date字段转换为月份,计算每个月的销售总额;如果存在date字段是null的情况,则要加上选项@0

 

使用@n之后,会依据序号去分组,而不用再计算HASH,所以要比不带@n时快。

使用3亿条数据测试,本案例实际测试结果:

耗时(秒)

 有 @n

没有 @n

39

49

4.      过滤拆分

过滤拆分是指根据条件分组,满足条件和不满足条件的分成两个集。使用select可以做到这种拆分,但是要遍历两次,即一次select(条件true),和一次select(条件false)

而使用groupalign只需要遍历一次。以上面成绩表为例,现在要把成绩及格的和不及格的分成两组,看一下group的实现:


A

1

=file("scores.btx").import@b()

2

=A1.group(score>=60)

 

需要注意的是,使用group过滤拆分的结果不一定是两个集,有可能结果只有一个集,如本例中,有可能出现成绩都大于60的情况。这时候需要判断一下结果集的个数,或者使用align,因为align的结果肯定是两个集,没有符合条件的记录,也会产生一个空集。来看一下align的实现:

 

 


A

1

=file("scores.btx").import@b()

2

=A1.align@a([true,false],score>=60)

 

如果想在过滤拆分中把不满足的写进文件,可以使用select(x;file),看一下实现:


A

1

=file("scores.btx").cursor@b()

2

=A1.select (score>=60;file(“Fail.btx”))

3

=A2.fetch()

执行完成后,A3里是成绩及格的,不及格的会保存到集文件Fail.btx

 

如果要拆分为多个集,可以使用groupn。例如要把成绩分为优秀、良好、及格和不及格这些集合,可以这样实现:


A

1

=file("scores.btx").cursor@b()

2

=[file(“Excellent.btx”), file(“Good.btx”),   file(“Pass.btx”), file(“Fail.btx”)]

3

=A1.groupn(if(score>=90:1,   score>=80:2, score>=60:3,4);A2)

4

=A3.fetch()

5.      组内TopN

top也可以用于group中,例如计算每个部门里薪水的最大值:


A

1

=file("employee.btx").cursor@b()

2

=A1.groups(dept;top(-1,salary):MaxSalary)

A1:得到员工表的游标。

A2:按照dept字段分组,组内再求最高薪水值,命名为topSalary

 

A2执行结果的MaxSalary字段是数值,如果想查询薪水最高的员工的信息,可以写成这样:


A

1

=file("employee.btx").cursor@b()

2

=A1.groups(dept;top(-1;salary):MaxSalary)

 

top不仅可以返回最大值,还可以得到前n个最靠前的值,这时把1写成n即可。例如计算每个部门里薪水排前三名的员工的信息:


A

1

=file("employee.btx").cursor@b()

2

=A1.groups(dept;top(-3;salary):topSalary)

 

6.      并行

使用groups进行分组计算时,还可以采取并行方式进一步提高性能,这时要加上选项@m

如上面例中,计算每个员工的销售总额,看一下并行方式的实现:


A

1

=file("sale.btx").import@m()

2

=A1.groups@m(employeeID; sum(amount):TotalAmount)

 

如果数据太大,无法装入内存,可以使用多路游标:


A

1

=file("sale.btx").cursor@mb()

2

=A1.groups@m(employeeID; sum(amount):TotalAmount)

 


以下是广告时间

对润乾产品感兴趣的小伙伴,一定要知道软件还能这样卖哟性价比还不过瘾? 欢迎加入好多乾计划。
这里可以低价购买软件产品,让已经亲民的价格更加便宜!
这里可以销售产品获取佣金,赚满钱包成为土豪不再是梦!
这里还可以推荐分享抢红包,每次都是好几块钱的巨款哟!
来吧,现在就加入,拿起手机扫码,开始乾包之旅



嗯,还不太了解好多乾?
猛戳这里
玩转好多乾