"需求描述要统计某国际连锁超市，全球各大市场某段时间内各产品子类别的销售额和利润表样如下，有两个输入参数（开始日期、结束日期） [图片] 由于数据量大，数据采用冷热库方式存储，历史数据（当年 .."

CGQ 北京
乾学院 49 号会员
1,417 浏览 • 11 个月前

...

润乾报表实践：跨数据库的报表

报表＆BI

需求描述

要统计某国际连锁超市，全球各大市场某段时间内各产品子类别的销售额和利润
表样如下，有两个输入参数（开始日期、结束日期）

imagepng

由于数据量大，数据采用冷热库方式存储，历史数据（当年之前的）放在冷库 HIVE 中，当年数据放在生产库 ORACLE 热库中
报表数据来源既有生产库 ORACLE 的，也有历史库 HIVE 的，需要制作跨数据库的报表，两库数据结构相同，如下：

imagepng

问题分析

这个报表格式并不难，难点在于跨库取数，跨库运算一直是个麻烦事，尤其是异构数据库
像上面报表中的数据，分库存储有明显的时间分界线，还需要能控制取数逻辑，（日期统计区间在当年，就只从生产库取数，统计区间在去年及以前的，就只从历史库取数，其他则从两个库一起取）这样才能不浪费数据库的计算资源

报表工具的多数据集，是支持跨库取数的，但控制取数路径以及从两个库中取数后 UNION 都做不好，很多时候都得用 JAVA 数据集来做，就会费时费力

润乾报表基于 SPL 提供了脚本数据集，脚本数据集可以直接针对进行各类异构数据库取数和混合计算，也可以进行取数逻辑判断（数据路由），能很好解决这些问题

实践过程

（1）新建报表模板制作基本格式、设置参数（日期类型）

imagepng

（2）新增、定义脚本数据集，并设置报表取数表达式

imagepng

脚本完整文本信息如下：

	A	B	C
1	=ys=pdate@y(now@d())	/ 获取当前所在年的第一天
2	=[connect@l(“oracle”),connect@l(“hive”)]
3	=sql=“select 市场, 子类别,sum(销售额) 子类别销售额,sum(利润) 子类别利润 from sales where 订购日期 between ? and ? group by 市场, 子类别”
4	if bDate>=ys	=A2(1).query(sql,bDate,eDate)	/ 如果查询起始日晚于或等于当前所在年第一天，则直接从热库 (oracle) 取数
5		return B4
6	else if eDate<ys	=A2(2).query(sql,bDate,eDate)	/ 如果查询结束日早于当前所在年第一天，则直接从冷库 (hive) 取数
7		return B6
8	else	=[[connect@l(“hive”),bDate,elapse(ys,-1)],[connect@l(“oracle”),ys,eDate]]	/ 其他情况下，冷热库均需取数，获取后合并再汇总计算 (B10)。注：此过程采用多线程，可从冷 / 热库同时取数，提高取数效率
9		fork B8	=B9(1).query(sql,B9(2),B9(3))
10		return B9.conj().groups( 市场, 子类别;sum( 子类别销售额): 子类别销售总额,sum(子类别利润): 子类别利润 )

上面脚本设置步骤为重点步骤！！！
A2 定义了连接两个异构库
A3 定义了一个通用 SQL，因为该报表中的取数逻辑简单，所以这个 SQL 直接在两个库中都可以运行，如果取数复杂并伴有计算，那 SQL 很有可能就不通用了，此时可以用润乾脚本数据集里的“简单 SQL”+sqltranslate 方法，做到一个 SQL 可以适配多个异构数据库的效果，节省更多的工作量，具体实践过程可以参考：润乾报表实践：可在数据库间移植的报表
B4 B6 B8 为数据路由功能，根据查询日期的区间，判断从单个库还是 2 个库取数

定义报表取数表达式，如下

imagepng