看如下图所示报表：

  这个报表从样式来看，可以看作是一个简单的网格式报表，统计着各种收支金额，但因为取数复杂，每个格子的数据都来自一个复杂的 sql 数据集，并且涉及十几个，乃至几十个数据集，蓝色 区域里每个格子都需要从各自的数据集里检索遍历，查找与左表头关联的记录。为了方便体会这一点，我们将上图报表简化一点，如下图所示：

C1,D1 单元格都分别从 ds2,ds3 中取数，并通过关联条件与 B1 关联，诸如这样十几个数据集在报表端的遍历、关联，如果遇到大数据量，大的并发，速度就会受到影响，并且这也只适合一对一的情况，如果遇到一对多的情况，就无法如此运用了。

   所以，如果这些数据集能整合为一个数据集，所有的关联都放在数据集里去处理，那么报表端的计算就变得灵活简单的多，但是 sql 数据集去完成这个拼接比较困难，也会很慢，集算器数据集正好能完成这个工作，速度也会大幅度提升，解决思路如下：

   1. 通过  fork  多线程取数，并行堵出每一个数据集

     eg:

   2. 通过 join/align 完成每个数据集的横向拼接

      eg: =join@l(A3(1):amount1, 订单 ID;A3(2):amount2, 订单 ID;A3(3):amount3, 订单 ID)

1.  通过 new 返回一个数据集

     eg: =A5.new(amount1. 订单 ID,amount1. 订单金额,amount2. 数量,amount3. 回款额)

以上只是提供一个思路，具体运用哪个函数，哪个选项，还需要根据实际数据合理选择，集算器函数具体用法请参考《集算器函数参考》。

   除此之外，像常见的需要用于汇总统计的原始数据量非常大，报表并不大的情况，如果每次生成报表都需要现算，一方面非常慢，另一方面数据库的压力会很大，此时传统办法可以采用存储过程数据集对数据预先进行一次压缩，生成中间表，然后再基于中间表生成报表，可以大大提高运算速度并减轻数据库的压力。但是存储过程如果脚本过于复杂，那么后期维护比较麻烦，而且数据处理的灵活性也受限，这个时候用集算器数据集或者脚本数据集来处理数据，就方便的多。