多维分析后台实践 5:小事实表关联小维表

【摘要】
用实例、分步骤,详细讲解多维分析(OLAP)的实现。点击了解多维分析后台实践 5:小事实表关联小维表

实践目标

本期目标是在前面几期基础上,将客户宽表中最近一天的新客户数据与分支机构等多个维表关联,并通过维表字段进行切片和分组计算。

实践的步骤:

1、 准备分支机构等维表:将分支机构表等数据从数据库中取出,存成集文件。

2、 关联宽表新客户数据和维表,并计算切片和分组:用 Java 代码调用 SPL 实现。

各个维表和客户表的关联关系如下图:

..

维表包括:

1、 分支机构表 department

       从 Oracle 数据库中取出维表数据的 SQL 语句是 select * from department。执行结果如下图:

 ..

       其中字段包括:

       DEPARTMENT_ID NUMBER(4,0) 分支机构编号

       DEPARTMENT_NAME VARCHAR2(32) 分支结构名称

       MANAGER_ID NUMBER(6,0) 经理编号

       LOCATION_ID NUMBER(4,0) 地址编号

       TYPE_ID NUMBER(6,0) 类型编号

       APPLAUSE_RATE NUMBER(3,0) 好评率

       OPENING_DATE DATE 开业日期

       STAR NUMBER(1,0) 星级

       ENTERPRISE_TYPE_ID NUMBER(6,0) 企业资质

       MAIN_BUSINESS NUMBER(6,0) 主营业务

2、 地址表 locations

字段包括:

LOCATION_ID NUMBER(4,0) 地址编号

STREET_ADDRESS VARCHAR2(40) 街道地址

POSTAL_CODE VARCHAR2(12) 邮政编码

CITY VARCHAR2(30) 城市

STATE_PROVINCE VARCHAR2(25) 州或者省

COUNTRY_ID CHAR(2) 国家编号

3、 国家表 countries

COUNTRY_ID CHAR(2) 国家编号

COUNTRY_NAME VARCHAR2(40) 国家名称

REGION_ID NUMBER 区域编号

CAPITAL VARCHAR2(40) 首都

4、 区域表 regions

REGION_ID NUMBER 区域编号

REGION_ID_NAME VARCHAR2(40) 区域名称

abbreviate VARCHAR2(10) 名称缩写

5、 贵宾表 vip

VIP_ID NUMBER(4,0)VIP 级别

VIP_NAME VARCHAR2(30) VIP 级别名称

MAX_POINT NUMBER(6,0) 最高积分

MIN_POINT NUMBER(6,0) 最低积分

CHARGE_RATIO NUMBER(4,0) 服务费比例(3-10)

INTEREST_RATE1 NUMBER(4,0) 取现手续费率(8-15)

QUOTA1 NUMBER(8,0) 快速取现额度(1000-8000)

QUOTA2 NUMBER(8,0) 免费还款额度(10000-160000)

NUMBER1 NUMBER(2,0) 月快捷登机次数(0-3)

NUMBER2 NUMBER(2,0) 月高铁贵宾厅次数(0-3)

6、 信用评级表 credit_grade

CREDIT_GRADE NUMBER(4,0) 信用评级

CREDIT_GRADE_NAME VARCHAR2(30) 信用评级名称

MAX_CREDIT_POINT NUMBER(6,0) 信用评分最高值

MIN_CREDIT_POINT NUMBER(6,0) 信用评分最低值

QUOTA1 NUMBER(8,0) 支付额度(10000-90000)

QUOTA2 NUMBER(8,0) 取现额度(10000-90000)

QUOTA3 NUMBER(8,0) 免密支付额度(1000-9000)

 

多维分析计算的目标可以用下面 Oracle 的 SQL 语句表示:

select v.interest_rate1,ct.country_id,c.job_id,sum(c.balance) sum,count(c.customer_id) count

from customer c

 left join department d on c.department_id=d.department_id

 left join locations l on d.location_id=l.location_id

 left join countries ct on l.country_id=ct.country_id

 left join regions r on r.region_id=ct.region_id

 left join vip v on c.vip_id=v.vip_id

 left join credit_grade cg on c.credit_grade=cg.credit_grade

where d.applause_rate between 5 and 95

and r.region_name in ('Asia','Europe','Americas')

and v.charge_ratio between 9 and 11

and cg.quota2 between 50000 and 80000

and c.job_id in ('AD_VP','FI_MGR','AC_MGR','SA_MAN','SA_REP')

and c.flag1='1' and c.flag8='1'

group by v.interest_rate1,ct.country_id,c.job_id

 

准备维表

续写 etl.dfx,分别从数据库中取出分支机构表等维表生成集文件。代码示例如下:


A

B

C

1

=connect@l("oracle")



2

=A1.query@d("select   * from department order by department_id")

=A2.new(int(department_id):department_id,department_name,int(manager_id):manager_id,int(location_id):location_id,int(type_id):type_id,int(applause_rate):applause_rate,opening_date,int(star):star,int(enterprise_type_id):enterprise_type_id,int(main_business):main_business)

=file("data/department.btx").export@z(B2)  

3

=A1.query@d("select   * from vip order by vip_id")

=A3.new(int(vip_id):vip_id,vip_name,int(max_point):max_point,int(min_point):min_point,int(charge_ratio):charge_ratio,int(interest_rate1):interest_rate1,int(quota1):quota1,int(quota2):quota2,int(number1):number1,int(number2):number2)

=file("data/vip.btx").export@z(B3)  

4

=A1.query@d("select   * from credit_grade order by credit_grade")

=A4.new(int(credit_grade):credit_grade,credit_grade_name,int(max_credit_point):max_credit_point,int(min_credit_point):min_credit_point,int(quota1):quota1,int(quota2):quota2,int(quota3):quota3)

=file("data/credit_grade.btx").export@z(B4)  

5

=A1.query@d("select   * from locations")

=A5.new(int(location_id):location_id,street_address,postal_code,city,state_province,country_id)

=file("data/locations.btx").export@z(B5)  

6

=A1.query@d("select   * from countries")

=A6.new(country_id,country_name,int(region_id):region_id)

=file("data/countries.btx").export@z(B6)  

7

=A1.query@d("select   * from regions")

=A7.new(int(region_id):region_id,region_name)

=file("data/regions.btx").export@z(B7)  

A1:连接预先配置好的数据库 oracle。@l 选项是将字段名处理成小写,l 是字母 L 的小写,不是数字 1。

A2:取出 department 表的数据。department 是维表,实际应用中一般都比较小,可以全部装入内存。

B2:尽可能的将字段小整数化,减小内存占用。

C2:转化后的数据存入集文件。

A3-C3,读取、处理、存储 vip 表数据。

A4-C4,读取、处理、存储 credit_grade 表数据。

A5-C5,读取、处理、存储 locations 表数据。

A6-C6,读取、处理、存储 countries 表数据。

A7-C7,读取、处理、存储 regions 表数据。

 

数据预处理

一天的新客户数据并不是很多,能够全部装入内存。我们可以续写 init.dfx,在内存中加载新客户和各个维表数据,网格参数是 today(当天日期)。

代码如下:

 


A

B

1

=file("data/job.btx").import@ib()

>env(job,A1)

2

=file("data/department.btx").import@b().keys(department_id)

=file("data/vip.btx").import@b().keys(vip_id)

3

=file("data/credit_grade.btx").import@b().keys(credit_grade)

=file("data/locations.btx").import@b().keys(location_id)

4

=file("data/countries.btx").import@b().keys(country_id)

=file("data/regions.btx").import@b().keys(region_id)

5

=A2.switch(location_id,B3.switch(country_id,A4.switch(region_id,B4)))

6

=file("data/customer_begin_date.ctx").open().cursor(department_id,job_num,employee_id,customer_id,first_name,last_name,phone_number,job_title,balance,department_name,flag1,flag2,flag3,flag4,flag5,flag6,flag7,flag8,vip_id,credit_grade;begin_date==if(ifdate(today),today,now())).fetch()  

7

=A6.join(department_id,A2,~:department_detail;vip_id,B2,~:vip_detail;credit_grade,A3,~:credit_grade_detail)

8

>env(newCustomer,A7)


A1:取出集文件中的职业类型数据,@i 表示只有一列时读成序列。

B1:存入全局变量 job。

A2-B4:分别取出集文件中的分支机构、vip、信用评级、地址、国家、区域数据,建立主键。

A5:把 department、locations、contries 和 regions 表按照层次关联起来。

A6:从 customer_begin_date.ctx 组表中取出当天的新客户数据,不取出 begin_date 字段。如果 today 不是日期型参数(或者为空),就用当前日期代替。

A7:将新客户数据 department_id 字段复制为 department_detail,并关联全局变量 department。对 vip 和 credite_grade 同样处理。

A8:将关联好的新客户数据存入全局变量 newCustomer。

写好的 init.dfx 要放入节点机主目录,启动或重启节点机时会被自动调用。

 

init.dfx 还需要在每天新增客户表数据时执行,用来更新 newCustomer。方法是续写 etlAppend.dfx。再用 ETL 工具或者操作系统定时任务,通过命令行调用这个 etlAppend.dfx。

例如:

C:\Program Files\raqsoft\esProc\bin>esprocx etlAppend.dfx.dfx

 

etlAppend.dfx 网格参数和代码如下:

..

 


A

1

=connect@l("oracle")

2

=A1.cursor("select   * from customer where begin_date=?",today)

3

=file("data/customer_begin_date.ctx").open().append(A2)

4

>A3.close(),A1.close()

5

>callx("init.dfx",today;["localhost:8281"])

A1-A4 不变。

A5:调用节点机上的 init.dfx,网格参数是 today。

关联计算

由于内外存计算写法不同,所以不能直接使用前面几期的 olap.dfx,要另外写一个 olapMem.dfx。

输入参数也是两个:表名 arg_table 值为 newCustomer,其他参数采用 json 格式,arg_json 样例如下:

{

       aggregate:

              [

                     {

                            func:"sum",

                            field:"balance",

                            alias:"sum"

                     },

                     {

                            func:"count",

                            field:"customer_id",

                            alias:"count"

                     }

              ],

       group:

              [

                    "vip_detail.interest_rate1:vip_detail_interest_rate1",

               "department_detail.location_id.country_id.country_id:department_detail_location_id_country_id",

                     "job_id"

              ],

       slice:

              [

                     {

                            dim:"department_detail.applause_rate",

                            interval:[10,95]

                     },

                     {

                      dim:"department_detail.location_id.country_id.region_id.region_name",

                            value:["Asia","Europe","Americas"]

                     },

                     {

                            dim:"vip_detail.charge_ratio",

                            interval:[9,11]

                     },

                     {

                            dim:"credit_grade_detail.quota2",

                            interval:[50000,80000]

                     },

                     {

                            dim:"job_id",

                      value:["AD_VP","FI_MGR","AC_MGR","SA_MAN","SA_REP"]

                     },

                     {

                            dim:"flag1",

                            value:"1"

                     },

                     {

                            dim:"flag8",

                            value:"1"

                     }

              ]

}

其中,group 和 slice 中出现了 department_detail.location_id 和 department_detail.applause_rate 等,是因为前面数据预处理采用了外键属性化,所以可以直接用 department_detail 来点取分支机构的不同属性。

department_detail.location_id.country_id.country_id:department_detail_location_id_country_id 中的冒号是给外键属性化字段取一个别名,用做最后结果的字段名。字段中之所以出现 country_id.country_id,是因为第一个 country_id 已经外键属性化了,也就是变成了一个引用,不能直接返回给前端。第二个是单值,就可以直接返回给前端了。

 

 

第一步:编写 newCustomer.dfx。

在编写 olapMem.dfx 之前,先将 customer.dfx 改写为 newCustomer.dfx 处理 arg_json 参数,SPL 代码如下:


A

B

C

1

func



2


if A1.value==null

return "between("/A1.dim/","/A1.interval(1)/":"/A1.interval(2)/")"

3


else if ifa(A1.value)

return   string(A1.value)/".contain("/A1.dim/")"

4


else if   ifstring(A1.value)

return   A1.dim/"==\""/A1.value/"\""

5


else

return   A1.dim/"=="/A1.value

6

=json(arg_json)


7

=A6.aggregate.(~.func/"("/~.field/"):"/~.alias).concat@c()

8

=A6.group.(if(~=="job_id","job_num",~)).concat@c()

9

=[]

10

for A6.slice

if   A10.dim=="job_id"

>A10.dim="job_num"

11



>A10.value=A10.value.(job.pos@b(~))

12


else if like(A10.dim,   "flag?")

>A10.value=int(A10.value)

13


=[func(A1,A10)]

>A9|=B13

14

=A6.group.(~.split(":")).(~=~.m(-1))|A6.aggregate.(alias)

=A14(A14.pos("job_id"))="job(job_num):job_id"

15

return   A7,A8,A9.concat("&&"),A14.concat@c()

A1 到 C5 是子程序,在调用的时候才会执行。代码与 customer.dfx 完全一致,没有改变。

A6:将 arg_json 解析成序表。解析的结果是多层嵌套的序表,如下图:

..

其中的 aggregate 为:

..

其中的 group 为:

..

其中的 slice 为:

..

A7:先将 aggregate 计算成冒号相连的字符串序列,再将序列用逗号连接成一个字符串:sum(balance):sum,count(customer_id):count,也就是聚合表达式。

A8:将 group 中的 job_id 替换为 job_num。

A9:定义一个空序列,准备存放切片(过滤条件)表达式。

A10:循环计算 slice,循环体是 B10 到 C13。其中:B10 到 C12 是对 slice 的 value 或者 interval 做性能优化的转换。

B10:如果 A10 的 dim 是 job_id,也就是 job_id 取枚举值的情况。例如:["AD_VP","FI_MGR","AC_MGR","SA_MAN","SA_REP"].contain(job_id)。此时 C10 要将 A10 的 dim 改为 job_num。C11 要将 A10 的 value 枚举值转换为在全局变量 job 序列中的位置,也就是 job_num 整数序列,例如:[5,7,2,15,16]。

B12:如果 A10 的 dim 是 flag1、flag2…flag8,也就是标志位等于 "1" 或者 "0" 的情况。此时 C12 要将 A10 的 value 值从字符串转化为整数。

B13:用 B10 到 C13 对 slice 的 value 或者 interval 做性能优化转换结果作为参数,调用子程序 A1。

子程序 A1(B2 到 B5),和第一篇 customer.dfx 的 func 代码相同,不再赘述。

C13:func A1 的返回结果追加到 A9 中。继续 A10 中的循环,到循环结束,就准备好了切片表达式的序列。

A14:准备结果集显示值转换的表达式。将 A6.group.(~.split(":")).(~=~.m(-1)) 和 A6.aggregate.alias 序列合并,如下图:

..

A6.group.(~.split(":")).(~=~.m(-1)) 是将 group 中有冒号的,取冒号后面的别名,否则直接用 group 的值。

C14:将 A19 中的 job_id 替换成转换语句。语句的作用是:将结果集中的 job_num 转换为 job_id。

A15:返回 A7,A8,A9.concat("&&"),A14.concat@c(),依次是:

聚合表达式:sum(balance):sum,count(customer_id):count

分组表达式:

vip_detail.interest_rate1:vip_detail_interest_rate1,

department_detail.location_id.country_id:department_detail_location_id_ country_id,

job_num

切片表达式:

between(department_detail.applause_rate ,10:95)

&&["Asia","Europe","Americas"].contain(department_detail.location_id.country_id.region_id.region_name)

&& between(vip_detail.charge_ratio,9:11)

&& between(credit_grade_detail.quota2,50000:80000)

&& [5,7,2,15,16].contain(job_num)

&& flag1==1 && flag8==1

结果集显示值转换表达式:

vip_detail_interest_rate1,department_detail_location_id_country_id,job(job_num):job_id,sum,count

第二步:编写 olapMem.dfx。

网格参数是 arg_table(值为 newCustomer)和 arg_json。SPL 代码如下:


A

1

=call(arg_table/".dfx",arg_json)

2

=${arg_table}.select(${A1(3)})

3

=A2.groups(${A1(2)};${A1(1)}).new(${A1(4)})

4

return A3

A1:根据 arg_table 参数的值调用 newCustomer.dfx,调用参数是 arg_json,返回值是 newCustomer 返回的四个表达式字符串。

A2:根据 arg_table 参数,对全局变量 newCustomer 序表计算切片表达式完成数据过滤。实际执行的 SPL 语句是:newCustomer.select(between(department_detail.applause_rate ,10:95) && ["Asia","Europe","Americas"].contain(department_detail.location_id.country_id.region_id.region_name) && between(vip_detail.charge_ratio,9:11) && between(credit_grade_detail.quota2,50000:80000) && [5,7,2,15,16].contain(job_num) && flag1==1 && flag8==1)

A3:对 A2 做分组汇总,结果按照别名重新命名。实际执行的语句是:

=A2.groups(vip_detail.interest_rate1:vip_detail_interest_rate1,department_detail.location_id.country_id.country_id:department_detail_location_id_country_id,job_num; sum(balance):sum,count(customer_id):count).new(vip_detail_interest_rate1,department_detail_location_id_country_id,job(job_num):job_id,sum,count)

执行结果如下图:

..

第三步:用 Java 代码调用

olapMem.dfx 编写好之后,可以在多维分析中作为存储过程调用,Java 代码和前面几期大部分相同,只是 dfx 文件名称、arg_table 和 arg_json 值不同。Java 代码如下:

public void testOlapServer(){

       Connection con = null;

       java.sql.PreparedStatement st;

       try{

              // 建立连接

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

              // 根据 url 获取连接

              con= DriverManager.getConnection("jdbc:esproc:local://?onlyServer=true&sqlfirst=plus");

              // 调用存储过程,其中 olap 是 dfx 的文件名

st =con.prepareCall("call olapMem(?,?)");

st.setObject(1, "newCustomer");

st.setObject(2, "{aggregate:[{func:\"sum\",field:\"balance\",alias:\"sum\"},{func:\"count\",field:\"customer_id\",alias:\"count\"}],group:[\"vip_detail.interest_rate1:vip_detail_interest_rate1\",\"department_detail.location_id.country_id:department_detail_location_id_country_id\",\"job_id\"],slice:[{dim:\"department_detail.applause_rate\",interval:[10,95]},{dim:\"department_detail.location_id.country_id.region_id.region_name\",value:[\"Asia\",\"Europe\",\"Americas\"]},{dim:\"vip_detail.charge_ratio\",interval:[9,11]},{dim:\"credit_grade_detail.quota2\",interval:[50000,80000]},{dim:\"job_id\",value:[\"AD_VP\",\"FI_MGR\",\"AC_MGR\",\"SA_MAN\",\"SA_REP\"]},{dim:\"flag1\",value:\"1\"},{dim:\"flag8\",value:\"1\"}]}");//arg_json

// 执行存储过程

st.execute();

// 获取结果集

ResultSet rs = st.getResultSet();

// 继续处理结果集,将结果集展现出来

             

       }

       catch(Exception e){

              out.println(e);

       }

       finally{

              // 关闭连接

              if (con!=null) {

                     try {con.close();}

                     catch(Exception e) {out.println(e);       }

              }

       }

}

 

Java 代码和 SPL 执行的总时间是 0.3 秒。


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