性能优化技巧:后半有序分组
一、 问题背景与适用场景什么是后半有序?如果数据集T已经按字段a、b有序,现在我们要将T按b排序或分组时,因为在a值相同的段内,b都是有序的,这种要排序或分组的字段在分段内有序的情况就称为后半有序。我们知道,快速排序算法的原理就是一种递归的分段排序再归并的算法,对于后半有序这样的已经大体有序的数组,快速排序的速度已经能够很快。所以如果采用快速排序算法对T按b排序后,就可以使用《性能优化技巧:有序分组》中介绍的优化原理进行分组了。SPL提供了后半有序分组方法,我们实例测试一下,并且与SPL和Oracle的hash分组算法作对比。二、 测试环境与任务测试机有两个Intel2670 CPU,主频2.6G,共16核,内存64G,SSD固态硬盘。在此机上安装虚拟机来测试,设置虚拟机为16核、8G内存。在虚拟机上创建数据表sales,共四个字段:orderdate、area(字符串)、salesman(字符串)、amount(实数),生成数据记录10亿行。将此表数据导入Oracle数据库,同时用它生成集算器SPL组表来进行测试。数据按orderdate、area、salesman字段升序排列,要求查询出各地区各销售人员的销售总额,也就是按area、salesman进行分组,结果集总共有100万组。由于Oracle输出这么多行结果需要很长的时间,所以对分组结果再进行一次过滤,只输出销售总额小于471000元的订单,结果只有11条,输出就不占时间了。三、 测试1. Oracle测试编写查询测试SQL如下:select * from (select /*+ parallel(n) */area, salesman, sum(amount) as amountfrom salesgroup by area, salesman) where amount<471000;其中/*+ parallel(n) */ 用于并行测试,n为并行数。2. SPL后半有序分组编写SPL脚本如下:
A1=now()2=file("/home/ctx/sales.ctx").create().cursor@m(area,salesman,amount;;1)3=A2.groups@h(area,salesman;sum(amount):amount).select(amount<471000)4=interval@s(A1,now())groups分组时加选项@h就表示分组字段是后半有序(分段有序)的,让SPL先用快速排序算法对分组字段排序,之后再采用有序分组来优化。需要说明的是,后半有序分组都是在内存中完成的,要求内存中能装下分组后的结果集,多路并行时要求内存能同时放下n个结果集(n为并行路数)。3. SPL HASH分组前述SPL脚本中去掉groups的选项@h,就是采用HASH分组了。4. 测试结果测试结果如下,单位(秒):并行数124Oracle387195104SPL (HASH)405208121SPL (后半有序)25214283从测试结果看,SPL后半有序分组的运行时间比使用HASH分组的SPL和Oracle都要快不少,效率提高50%以上,性能提升比较明显。Java写的SPL常规分组比C语言写的Oracle略慢也是正常现象(测试中使用了所有列,SPL的列存优势没有效果)。