开源 SPL 强化 MongoDB 计算

MongoDB 是 NoSQL 数据库的典型代表,支持文档结构的存储方式数据存储和使用更为便捷,数据存取效率也很高,但计算能力较弱,实际使用中涉及 MongoDB 的计算尤其是复杂计算会很麻烦,这就需要具备强计算能力的数据处理引擎与其配合。

开源集算器 SPL 是一款专业结构化数据计算引擎,拥有丰富的计算类库和完备、不依赖数据库的计算能力。SPL 提供了独立的过程计算语法,尤其擅长复杂计算,可以增强 MongoDB 的计算能力,完成分组汇总、关联计算、子查询等通通不在话下。

常规查询

MongoDB 不容易搞定的连接 JOIN 运算,用 SPL 很容易搞定:

A B
1 =mongo_open("mongodb://127.0.0.1:27017/raqdb") / 连接 MongDB
2 =mongo_shell(A1,"c1.find()").fetch() / 获取数据
3 =mongo_shell(A1,"c2.find()").fetch()
4 =A2.join(user1:user2,A3:user1:user2,output) / 关联计算
5 >A1.close() / 关闭连接

 

单表多次参与运算,复用计算结果:

A B
1 =mongo_open("mongodb://127.0.0.1:27017/raqdb")
2 =mongo_shell(A1,“course.find(,{_id:0})”).fetch() / 获取数据
3 =A2.group(Sno).((avg = ~.avg(Grade), ~.select(Grade>avg))).conj() / 计算成绩大于平均值
4 >A1.close()

 

IN 计算:

A B
1 =mongo_open("mongodb://localhost:27017/test")
2 =mongo_shell(A1,"orders.find(,{_id:0})") / 获取数据
3 =mongo_shell(A1,"employee.find({STATE:'California'},{_id:0})").fetch() / 过滤 employee 数据
4 =A3.(EID).sort() / 取出 EID 并排序
5 =A2.select(A4.pos@b(SELLERID)).fetch() / 二分法查找
6 >A1.close()

 

外键对象化,外键指针不仅方便,效率也高:

A B
1 =mongo_open("mongodb://localhost:27017/local")
2 =mongo_shell(A1,"Progress.find({}, {_id:0})").fetch() / 获取 Progress 数据
3 =A2.groups(courseid; count(userId):popularityCount) / 按课程分组计数
4 =mongo_shell(A1,"Course.find(,{title:1})").fetch() / 获取 Course 数据
5 =A3.switch(courseid,A4:_id) / 外键连接
6 =A5.new(popularityCount,courseid.title) / 创建结果集
7 =A1.close()

 

APPLY 算法的简单实现:

A B
1 =mongo_open("mongodb://127.0.0.1:27017/raqdb")
2 =mongo_shell(A1,"users.find()").fetch() / 获取 users 数据
3 =mongo_shell(A1,"workouts.find()").fetch() / 获取 workouts 数据
4 =A2.conj(A3.select(A2.workouts.pos(_id)).derive(A2.name)) / 查询 _id 值 workouts 序列的记录
5 >A1.close()

 

集合运算,合并交差:

A B
1 =mongo_open("mongodb://127.0.0.1:27017/raqdb")
2 =mongo_shell(A1,"emp1.find()").fetch()
3 =mongo_shell(A1,"emp2.find()").fetch()
4 =[A2,A3].conj() / 多序列合集
5 =[A2,A3].merge@ou() / 全行对比求并集
6 =[A2,A3].merge@ou(_id, NAME) / 键值对比求并集
7 =[A2,A3].merge@oi() / 全行对比求交集
8 =[A2,A3].merge@oi(_id, NAME) / 键值对比求交集
9 =[A2,A3].merge@od() / 全行对比求差集
10 =[A2,A3].merge@od(_id, NAME) / 键值对比求差集
11 >A1.close()

 

在序列中查找成员序号:

A B
1 =mongo_open("mongodb://localhost:27017/local)
2 =mongo_shell(A1,"users.find({name:'jim'},{name:1,friends:1,_id:0})") .fetch()
3 =A2.friends.pos("luke") / 从 friends 序列中获取成员序号
4 =A1.close()

 

多成员集合的交集:

A B
1 [Chemical, Biology, Math] / 课程
2 =mongo_open("mongodb://127.0.0.1:27017/raqdb")
3 =mongo_shell(A2,"student.find()").fetch() / 获取 student 数据
4 =A3.select(Lesson^A1!=[]) / 查询选修至少一门的记录
5 =A4.new(_id, Name, ~.Lesson^A1:Lession) / 计算出结果
6 >A2.close()

复杂计算

TOPN 运算:

A B
1 =mongo_open("mongodb://127.0.0.1:27017/test")
2 =mongo_shell(A1,"last3.find(,{_id:0};{variable:1})") / 获取 last3 数据, 并按 variable 排序
3 for A2;variable =A3.top(3;-timestamp) / 选出 timestamp 最晚的 3 个
4 =@|B3 / 将选出文档追加到 B4 中
5 =B4.minp(~.timestamp) / 选出 timstamp 最早的文档
6 >mongo_close(A1)

 

嵌套结构的聚合:

A
1 =mongo_open("mongodb://127.0.0.1:27017/raqdb")
2 =mongo_shell(A1,"computer.find()").fetch()
3 =A2.new(_id:ID,income.array().sum():INCOME,output.array().sum():OUTPUT)
4 >A1.close()

 

合并多属性子文档:

A B C
1 =mongo_open("mongodb://localhost:27017/local")
2 =mongo_shell(A1,"c1.find(,{_id:0};{name:1})")
3 =create(_id, readUsers) / 创建结果序表
4 for A2;name =A4.conj(acls.read.users|acls.append.users|acls.edit.users|acls.fullControl.users).id() / 取出所有 users 字段
5 >A3.insert(0, A4.name, B4) / 插入本组数据
6 =A1.close()

 

嵌套 List 子文档的查询

A B
1 =mongo_open("mongodb://localhost:27017/local")
2 =mongo_shell(A1,"Cbettwen.find(,{_id:0})").fetch()
3 =A2.conj((t=~.objList.data.dataList, t.select((s=float(~.split@c1()(1)), s>6154 && s<=6155)))) / 找到符合条件的字符串
4 =A1.close()

 

交叉汇总:

A
1 =mongo_open("mongodb://localhost:27017/local")
2 =mongo_shell(A1,"student.find()").fetch()
3 =A2.group(school)
4 =A3.new(school:school,~.align@a(5,sub1).(~.len()):sub1,~.align@a(5,sub2).(~.len()):sub2)
5 =A4.new(school,sub1(5):sub1-5,sub1(4):sub1-4,sub1(3):sub1-3,sub1(2):sub1-2,sub1(1):sub1-1,sub2(5):sub2-5,sub2(4):sub2-4,sub2(3):sub2-3,sub2(2):sub2-2,sub2(1):sub2-1)
6 =A1.close()

 

分段分组

A B
1 [3000,5000,7500,10000,15000] /Sales 分段区间
2 =mongo_open("mongodb://127.0.0.1:27017/raqdb")
3 =mongo_shell(A2,"sales.find()").fetch()
4 =A3.groups(A1.pseg(~.SALES):Segment;count(1): number) / 根据 SALES 区间分组统计员工数
5 >A2.close()

 

分类分组

A B
1 =mongo_open("mongodb://127.0.0.1:27017/raqdb")
2 =mongo_shell(A1,"books.find()")
3 =A2.groups(addr,book;count(book): Count) / 分组计数
4 =A3.groups(addr;sum(Count):Total) / 分组统计
5 =A3.join(addr,A4:addr,Total) / 关联计算
6 >A1.close()

 

数据写入

导出成 CSV:

A B
1 =mongo_open("mongodb://localhost:27017/raqdb")
2 =mongo_shell(A1,"carInfo.find(,{_id:0})")
3 =A2.conj((t=~,cars.car.new(t.id:id, t.cars.name, ~:car))) / 对 car 字段进行拆分成行
4 =file("D:\\data.csv").export@tc(A3) / 导出生成 csv 文件
5 >A1.close()

 

更新数据库(MongoDB 到 MySQL):

A B
1 =mongo_open("mongodb://localhost:27017/raqdb") / 连接 MongDB
2 =mongo_shell(A1,"course.find(,{_id:0})").fetch()
3 =connect("myDB1") / 连接 mysql
4 =A3.query@x("select * from course2").keys(Sno, Cno)
5 >A3.update(A2:A4, course2, Sno, Cno, Grade; Sno,Cno) / 向 mysql 更新数据
6 >A1.close()

 

更新数据库(MySQL 到 MongoDB):

A B
1 =connect("mysql") / 连接 mysql
2 =A1.query@x("select * from course2") / 获取表 course2 数据
3 =mongo_open("mongodb://localhost:27017/raqdb") / 连接 MongDB
4 =mongo_insert(A3, "course",A2) / 将 MySQL 表 course2 导入 MongoDB 集合 course
5 >A3.close()

 

混合计算

借助 SPL 还很容易实现 MongoDB 与其他数据源进行混合计算:

A B
1 =mongo_open("mongodb://localhost:27017/test") / 连接 MongDB
2 =mongo_shell(A1,"emp.find({'$and':[{'Birthday':{'$gte':'"+string(begin)+"'}},{'Birthday':{'$lte':'"+string(end)+"'}}]},{_id:0})").fetch() / 查询某时间段的记录
3 =A1.close() / 关闭 MongoDB
4 =myDB1.query("select * from cities") / 获取 mysql 中表 cities 数据
5 =A2.switch(CityID,A4: CityID) / 外键关联
6 =A5.new(EID,Dept,CityID.CityName:CityName,Name,Gender) / 创建结果集
7 return A6 / 返回

SQL 支持

SPL 除了原生语法,还提供了相当于 SQL92 标准的 SQL 支持,可以使用 SQL 查询 MongoDB 了,比如前面的关联计算:

A
1 =mongo_open("mongodb://127.0.0.1:27017/test")
2 =mongo_shell(A1,"c1.find()").fetch()
3 =mongo_shell@x(A1,"c2.find()").fetch()
4 $select s.* from {A2} as s left join {A3} as r on s.user1=r.user1 and s.user2=r.user2 where r.income>0.3

应用集成

不仅如此,SPL 提供了标准 JDBC/ODBC 等应用程序接口,集成调用很方便。如 JDBC 的使用:

…
Class.forName("com.esproc.jdbc.InternalDriver");
Connection conn = DriverManager.getConnection("jdbc:esproc:local://");
PrepareStatement st=con.prepareStatement("call splScript(?)"); // splScript为spl脚本文件名
st.setObject(1,"California");
st.execute();
ResultSet rs = st.getResultSet();
…

有了这些功能,增强 MongoDB 的计算能力可不是说说而已,要不要下载试试?

下载地址: 集算器 (SPL) 最新版发布啦『发布日期 20220601』

源代码:https://github.com/SPLWare/esProc

 

原文:http://c.raqsoft.com.cn/article/1647396324600