溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
事實表和維表進行關聯計算時，需要對維表進行頻繁的隨機訪問，因此維表要盡量放在內存中，才能提高關聯計算的性能。如果維表較大，單機內存放不下，就應該考慮用集群方式，將維表分段讀入多臺機器的內存。下面舉例說明集群維表的用法。
假設有2個計算節點，分別為127.0.0.1:8281、127.0.0.1:8282。執行如下腳本，可將產品表加載到節點機內存中：
| A | B | |
| 1 | =["127.0.0.1:8281","127.0.0.1:8282"] | |
| 2 | fork [[1,20000000],[20000000,40000000]];A1 | =connect("demo1").query@x("select productID,name,price from product where productID>? and productID<=? order by productID ",A2(1),A2(2)).keys(productID) |
| 3 | =env(product,B2) |
A2:語句fork可在多個節點機上并行執行任務，其中[1,20000000]是第1臺節點機的入口參數。
B2：各節點按入口參數分別查詢產品表。其中1號節點取出編號在1-20000000之間的產品。需要注意的是：各節點數據不能有重合，需按維表主鍵排序，需用key函數建立物理鍵。
B3：函數env用來在節點機設置全局變量，各節點機變量名相同，。
接下來實現業務算法：
| A | |
| 1 | =["127.0.0.1:8281","127.0.0.1:8282"] |
| 2 | =memory(A1, product) |
| 3 | =connect("demo1").cursor@x("select orderID,productID,client, quantity from order") |
| 4 | =A3.switch(productID,A2: productID) |
| 5 | =A4.groups(client;sum(productID.price *quantity)) |
A2：按名字product在各節點機尋找全局變量，返回集群維表。注意集群維表是個遠程引用，對應的數據在各節點機。
A3：從數據庫取出訂單事實表。事實表通常數據量較大，需要用游標返回。事實表的來源不限于數據庫，任意游標都可以。
A4：對事實表和集群維表進行關聯計算。除了cs.switch()函數，也可以用cs.join()函數進行關聯計算。
A5：對關聯結果進一步計算，這里以分組匯總為例。
上述例子中，集群維表來自于數據源，底層數據結構為序表，但序表無壓縮，占用空間較大。如果以SPL組表為數據源，則內存中的數據結構為內表，而內表有壓縮，占用空間較小。
假設維表已分成2份，各自存為組表，名字都叫product.ctx，分別放置在兩個節點機的0數據區上，則加載數據的腳本如下：
| A | |
| 1 | =file@z0("product.ctx", ["127.0.0.1:8281","127.0.0.1:8282"]) |
| 2 | =A1.create().memory() |
| 3 | =env(product,A2) |
A1：在各節點機的0數據區，尋找名為product.ctx的組表，定義為分布組表。
A2：將分布組表加載到各節點機內存，形成集群維表。
A3：在匯總機定義全局變量product，指向集群維表。
實現業務算法的腳本如下：
| A | |
| 1 | =connect("demo1").cursor@x("select orderID,productID,client, quantity from order") |
| 2 | =A1.switch(productID,product: productID) |
| 3 | =A2.groups(client;sum(productID.price *quantity)) |
A2：直接用全局變量名product引用集群維表，并參與關聯計算。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
