加速JDBC的快捷方法

JAVA 應用必須通過 JDBC 從數(shù)據(jù)庫中取數(shù)，有時候我們會發(fā)現(xiàn)，數(shù)據(jù)庫的負擔一點也不重而且 SQL 很簡單，但取數(shù)的速度仍然很慢。仔細測試會發(fā)現(xiàn)，性能瓶頸主要在 JDBC 上，比如 MySQL 的 JDBC 性能就非常差，Oracle 也不好。但是，JDBC 是數(shù)據(jù)庫廠商提供的包，我們在外部沒辦法提高性能。

可以想到的辦法是利用多 CPU 手段采用并行方案來提速，但 Java 的并行程序非常難寫，要考慮資源共享沖突等麻煩事務。

下面介紹使用集算器的并行技術(shù)來提升數(shù)據(jù)庫 JDBC 取數(shù)性能，可以避免 JAVA 硬編碼的復雜性，還能夠方便實現(xiàn)多線程結(jié)果集的合并。適用于：

1. 源數(shù)據(jù)規(guī)模較大的查詢報表

2. 多數(shù)據(jù)集報表

3. ETL 數(shù)據(jù)抽取

集算器并行配置

通過集算器進行并行取數(shù)前需要配置集算器的并行屬性。IDE 中通過菜單“工具 - 選項”設置 IDE 支持的最大并行數(shù)量，一般建議最大并行數(shù)不要超過 CPU 核數(shù)。

集算器服務端則需要修改 raqsoftConfig.xml 配置：

單表并行取數(shù)

有時我們查詢的某個表數(shù)據(jù)量較大、時間較長，這時就可以通過集算器針對單表并行取數(shù)提升性能。這里所謂的單表是指通過條件并行讀取一份（單表）數(shù)據(jù)。

全內(nèi)存

假設內(nèi)存可以容納全部要讀取的數(shù)據(jù)，并行取數(shù)后再進行下一步運算（全內(nèi)存的計算速度最快）。

舉例

訂單（Orders）有訂單 ID，訂購日期，訂單金額等字段，其中訂單 ID 是遞增的整數(shù)邏輯主鍵。

【計算目標】 并行讀取某時間段內(nèi)訂單數(shù)

面向單表（單條 SQL）并行取數(shù)需要通過參數(shù)將源數(shù)據(jù)拆分多段，建立多個數(shù)據(jù)庫連接并行查詢。往往需要將數(shù)據(jù)盡可能平均拆分以避免查詢時間不均導致任務等待，同時分段參數(shù)盡可能建立在索引字段上以保證分段效率。

集算器實現(xiàn)

集算器參數(shù)

根據(jù)查詢時間段建立腳本參數(shù)，查詢起止日期

集算器實現(xiàn)

分段策略（一）基于索引字段分段

基于單表（單 SQL）并行取數(shù)前需要進行數(shù)據(jù)分段，盡量保證每個分段的數(shù)據(jù)平均。而分段參數(shù)盡量基于建立索引的字段（如訂單編號）。之所以要使用索引字段來分段，是因為使用索引并不會真地遍歷整個表，而是直接定位，當數(shù)據(jù)量較大時優(yōu)勢明顯。

集算器腳本

編寫并行取數(shù)腳本，這里按照建立索引的訂單編號進行分段：

腳本解析：

1、A2 根據(jù)查詢起止日期獲得最大訂單編號和最小訂單編號，用于后面分段

2、B2-C2 將最小訂單號和最大訂單號分別賦值給變量 b 和 e

3、A3 設置并行數(shù)，使用并行取數(shù)前應檢查集算器的并行數(shù)配置以及授權(quán)中對并行數(shù)量的許可

4、A4-A5 根據(jù)起止訂單編號和并行數(shù)計算每個并行任務的起止分段參數(shù)（序列）

5、通過 fork 啟動多個（4 個）線程，參數(shù)為分段起止參數(shù)序列，這里可以看到 fork 啟動的線程數(shù)與參數(shù)序列成員數(shù)相同。在集算器中，經(jīng)常將序表、序列作為參數(shù)值參與運算，非常方便

6、B7 為每個線程（子任務）建立數(shù)據(jù)庫連接，需要注意連接必須在 fork 子句中建立，以便為多線程分別使用，若共用一個連接無法起到加速取數(shù)的效果，數(shù)據(jù)庫會自動把同一連接上的多個請求改為串行執(zhí)行。因此只有當數(shù)據(jù)庫負擔不重，有足夠多連接可用時才可以使用并行取數(shù)提升性能

7、B8 分別查詢每個分段數(shù)據(jù)，查詢結(jié)果返回到 A6 格。這里 fork 子句直接返回查詢結(jié)果（子句最后一行），如果想返回其中某個或某幾個計算值可以顯示使用 return 關(guān)鍵字返回子線程計算結(jié)果

8、返回結(jié)果的 A6 格結(jié)果，4 個線程返回 4 個結(jié)果集

2、A9 合并多路游標，接下來就可以當做一個游標繼續(xù)使用

3、A10 基于游標，將查詢數(shù)據(jù)分批寫入文件中。因為各個線程的運行速度無法保證規(guī)律性，所以基于多線程導出數(shù)據(jù)時次序不可控，對數(shù)據(jù)順序有要求時不能使用這個方法。

基于外存游標并行查詢與全內(nèi)存方式非常類似，當內(nèi)存資源較緊張時可以通過外存計算的方式減少內(nèi)存占用。

多表并行取數(shù)

除了通過條件針對單條 SQL（單表）進行并行取數(shù)外，在一些多 SQL 查詢場景（如報表多數(shù)據(jù)集）下仍然可以通過并行同時執(zhí)行多條語句進行取數(shù)。

舉例

有多個查詢 SQL 基于多個表查詢數(shù)據(jù)，需要提升查詢性能。

【計算目標】 并行讀取 5 個表數(shù)據(jù)，并完成關(guān)聯(lián)

這里我們使用 5 條非常簡單（基于單表）的查詢 SQL，實際業(yè)務中多條SQL 可以任意復雜。

集算器實現(xiàn)

腳本解析：

1、A2-A6 為查詢用 SQL 語句串

2、A7 根據(jù)多條 SQL 組成序列啟動多線程（5 個）

3、B9 每個線程執(zhí)行 SQL 查詢數(shù)據(jù)將結(jié)果返回到 A7 格（5 個結(jié)果集組成的序列）

4、A10-C11 通過序號分別獲取 5 個結(jié)果集

5、為了保證完整性，A12-A14 對 5 個結(jié)果集進行關(guān)聯(lián)并通過外鍵屬性化的方式創(chuàng)建結(jié)果序表

以上是集算器并行取數(shù)的部分示例，事實上集算器還可以做更復雜的并行計算和結(jié)果歸并。集算器多線程并行的意義在于使用簡單、成本低，相對 JAVA 復雜的多線程編程集算器可以簡單到幾行腳本，相對數(shù)據(jù)庫集群方案集算器的成本更加可控，而且即使部署數(shù)據(jù)庫集群仍然可以使用集算器加速集群單個數(shù)據(jù)庫節(jié)點的取數(shù)速度。