海鸥航际

JAVA站
posts - 11, comments - 53, trackbacks - 1, articles - 102

分页 & QueryKey & 预取

Posted on 2005-01-12 19:43 海天一鸥 阅读(462) 评论(0)  编辑  收藏 所属分类: J2EE 、Java数据库技术
分页 & QueryKey & 预取

数据库分页查询一般分为两步，
(1)根据查询条件，count 记录总数
(2)根据当前页的数据范围(起始位置offset, 每页数据个数span)，从符合查询条件的记录集 取出对应范围的数据。

一、根据范围取数据的方法
如果单纯用JDBC从ResultSet中取出一个指定范围（offset, span）的数据，可以采用这样的方法。
java代码: 


ps = con.prepareStatement(sql, ResultSet.TYPE_SCROLL_INSENSITIVE, ResultSet.CONCUR_READ_ONLY)；
ps.setMaxRows(offset + span)；
rs = ps.executeQuery();
rs.absolute(offset);
while(rs.next())...



数据量大的时候，页数很多，offset很大，这种方法不太适合。这时候，需要使用各数据库的native SQL特性。
我们来看Hibernate dialect package的类，支持了各种数据库的getLimitString方法。这里举Mysql和Oracle的例子。假设查询语句为
java代码: 


Select * from message where forum_id = ? and created_time > ? order by created_time desc



Mysql 的limit SQL为
java代码: 


Select * from message where forum_id = ? and created_time > ? order by created_time desc
limit ?, ?


后面的两个limit ?, ? 分别为 offset, span。

Oracle的limit SQL为
java代码: 


select * from ( select row_.*, rownum rownum_ from (
Select * from message where forum_id = ? and created_time > ? order by created_time desc
) row_ where rownum <= ?) where rownum_ > ?


后面的两个limit ?, ? 分别为 offset + span, offset。

二、缓存 & QueryKey
count语句可以根据查询语句自动生成，比如
java代码: 


Select count(*) from (
Select * from message where forum_id = ? and created_time > ? order by created_time desc
)



这样的自动count语句有些浪费，用了子查询不说，还保留了没有必要的order by。最好还是另外提供一个count语句。
java代码: 


Select count(*) from message where forum_id = ? and created_time > ?



在多页翻动的情况下，这个count语句要被反复执行。为了提高效率，我把这个count结果保存在全局缓存中，不仅本Session用户可以重复使用，其他用户在根据同样条件翻找message的时候，也可以重复使用这个结果。

我在持久层中使用通用的QueryKey做为缓存键值。
QueryKey分成三个部分，SQL, Parameters, Range。比如：
java代码: 


Query Key:
SQL : Select count(*) from message where forum_id = ? and created_time > ?
Parameters : [buaawhl, time long value]
Range: (0, 1)



这个QueryKey的效率很关键。主要是hashCode和equals两个方法的效率。
我们知道，当key放在Map等Hash数据结构中，首先hashCode，然后用equals比较hashCode后面的一串key。
举个例子。Key1和key2 的hashCode一样，都和key3的hashCode不一样。
java代码: 


…
[ 101 ] -> key1 -> key2
…
[ 666 ] -> key3
…



可以看到，hashCode，equals，这两个方法都是每次查找缓存都要调用的方法。尤其是equals方法更是重中之重，很可能需要被调用多次。
hashCode的优化实现相对来说比较简单，只要根据QueryKey中各部分的不同，尽量实现hashCode取值的扩散化，降低hashCode的重复率就可以了。
关键是equals的实现方案。这里有个原则，越小的结构越先比较，可以提高比较速度。
QueryKey中的parameters和range比较好办。每次equals比较的时候，先比较range，如果不相等，返回false; 如果相等，再比较Parameters，如果有一个parameter value不相等，返回false。这样，我们可以用很短的时间开销 过滤掉一大批不相等的QueryKey。
但是parameters和range都相等的时候，我们还是无可避免的要比较SQL。String的equals方法如下：
java代码: 

// from jdk src
//这个方法没有比较hashCode，直接比较长度和字符
    public boolean equals(Object anObject) {
        if (this == anObject) {
            return true;
        }
        if (anObject instanceof String) {
            String anotherString = (String)anObject;
            int n = count;
            if (n == anotherString.count) {
                char v1[] = value;
                char v2[] = anotherString.value;
                int i = offset;
                int j = anotherString.offset;
                while (n-- != 0) {
                    if (v1[i++] != v2[j++])
                        return false;
                }
                return true;
            }
        }
        return false;
    }


我们看到，当SQL String很长的时候，长度相等，前面大部分字符相同的时候，(最极端的情况下，两个不同reference的String的字符完全相等)，这个比较是相当消耗时间的。比如，
java代码: 


Select * from message where forum_id = ? and created_time > ? order by created_time desc


和
java代码: 


Select * from message where forum_id = ? and created_time > ? order by updated_time desc


两个String的长度相等，前面大部分也相等，只有走到cre 和 upd 的时候，才能比较出不相同。如果两个字符串内容一样，那更是要走到头，才能判断出两个字符串完全一样了。

我的第一个做法就是，尽量使用static final String做为QueryKey的SQL。这样两个SQL的reference如果相等，那么可以迅速判断出两个SQL相同。
这个做法只能处理事先定义好的SQL语句，但实际需求中，存在很多需要动态拼接SQL的情况，不可能做到所有相同的SQL具有相同的reference。
当然大部分不同的SQL都具有不同的长度，即使长度相同，前面走不了几个字符，就可以判断出不相同。所以做法一已经能够解决95%以上的SQL效率问题。

不过，为了解决这剩下的5%情况，我又采取了第二个做法：分而治之，把一个SQL String拆分成多个SQL常量的数组;泛化SQL的类型，SQL不限制为String类型，也可以是String[]类型。
比如。
java代码: 


String[] sql1 = {
“Select * from message where forum_id = ?”，
“ and created_time > ?”,
“ order by ”,
“created_time”,
“desc”
};


和
java代码: 


String[] sql2 = {
“Select * from message where forum_id = ?”，
“ and created_time > ?”,
“ order by ”,
“created_time”,
“desc”
};


和
java代码: 


String[] sql3 = {
“Select * from message where forum_id = ?”，
“ and created_time > ?”,
“ order by ”,
“updated_time”,
“desc”
};



这个时候，比较sql1和sql2和sql3的效率就会大大提高，虽然sql1 和 sql2两个数组的长度相等，还是要一个元素一个元素的比较，但由于里面大量用到了String常量，相同的String常量具有相同的reference，所以5步下来，就可以判断出sql1和sql2数组的元素是完全相等的；4步下来，加上第一个字符的比较，就可以判断sql1和sql3的第4个元素是不相等的。

我们看到，做法1和做法2，能够100%的提高SQL的比较效率，大部分情况下，也许比parameters的比较还快。

三、定长预取
多用户访问同一页面的可能性比较大的情况下，比如，论坛的某些热门话题，很可能被多人同时翻阅。这时候，如果把根据范围取出的数据对象List也按照QueryKey存入缓存中，那么就可以大大提高响应速度，减轻数据服务器负担，当然，你的Web Server的内存负担也大大增加了。Smile
我们进一步考虑下面两种情况：
1. 用户自定义页面记录数
一般来说，用户可以自定义自己的每页显示记录个数，比如，有些用户喜欢每页20条，有的喜欢每页10条。
假设用户A翻到一个论坛的第一页，显示1 – 20条信息；用户B翻到同一个论坛的第一页，显示1 – 10条信息。这个时候，缓存的命中率是很低的。用户A和用户B无法共享缓存信息。因为他们的range(的span)总是不同，QueryKey永远不可能相同。

2. 记录很多、每页记录数过少
假设一个论坛里面有1000条信息，每页显示10条，那么共有100页。如果用户一页一页的翻动，每次程序发出一个span大小为10的Query请求，取出10条记录，根据QueryKey缓存起来。由于页面记录数过少，每次数据库查询的效率很低，缓存命中率也很低。

为了提高缓存命中率，并且顺便实现数据预取功能，我们可以采取 同一定长Span的方案。比如，还是上面的例子，我们在程序中设定统一Span大小为100。
当用户A请求1 – 10的记录的时候，程序判断这个落在 1 – 100的范围内，那么用range (1, 100)获取100条记录，把前面的10条返回给用户。当用户A翻了一页，请求11 – 20的记录的时候，程序判断还是落在 1 – 100的范围内，而且已经存在于缓存中，那么直接把对应的11 – 20条返回给用户A就可以。
当用户B 请求1 – 20的记录的时候，程序判断这个落在 1 – 100的范围内，而且已经存在于缓存中，那么直接把对应的1 – 20条返回给用户B就可以。

可以看到，这种定长预取方案能够大大提高数据库查询的效率和缓存的命中率。

 

关于Cache & QueryKey 部分，偶有1个问题：你是如何做到cache的自动清理和聪明地清理？

举个例子
假设有这样的查询语句：select * from message where message_to = ?
执行了2次值不同的操作：'buaawhl' 和 'Readonly'
那么就有2个不同QueryKey对应到Cache里的对象。

这个时候再执行一个write的操作：往message表里面插入了一条message_to等于‘buaawhl’的记录，那么之前在Cache里QueryKey为'buaawhl'的对象会不会自动失效？而QueryKey为'Readonly'的对象是否还能保持有效呢？

 

没有这么智能。我现在无法做到 cache的自动清理和聪明地清理。
我现在做的持久层本身是不做cache的清理管理工作，这个工作交给 调用程序自己去做。cache也需要用户自己实现，并且明确提供。
查询的时候，需要指定cache

java代码: 


finder.setRowClass(Message.class);
finder.setCache(cache);
finder.queryRowsRange(conP, sql, params, offset, span);



这个时候，finder会用 QueryKey(sql, params, offset, span) 作为Key,
从指定的cache里面，查找对应的记录集合。
如果查不到，从conP真正获取一个connection，连接并查找数据库，把结果放到cache里面。
这里有个优化，如果指定了缓存，而且只有当缓存中不存在目标数据的时候，才真正地从连接池中获取connection。主要是考虑到连接池的大小总是有限的，如果并发用户多的话，这样就可以节省连接池里的connection的分配。

---
update, delete, update的时候，用户需要手动自己清理cache的内容。

java代码: 


persister.insertRow(con, message);
cache.clear();
// 或者更智能的操作, 比如, 根据message的message_to value,
// 清理Cache里面的符合下列条件的QueryKey
// (sql 包含 message_to = ?,  并且 params[0] = buaawhl)



我做的持久层，由于直接使用SQL，在 自动智能过滤缓存数据 方面，具有先天的缺陷。
因为SQL可以写的很复杂，比HQL复杂很多。而且还有各种 Native SQL特性，没有一个统一的中间语言（比如HQL）， 解析起来也相当复杂。
即使有这么一个中间语言，解析处理的代价和难度也相当大。相当于实现了一个小型的HSQL级别的内存数据库。

而对于用户来说，定义DAO方法的时候，很清楚自己SQL的语义，实现智能缓存处理更容易一些，所以干脆把cache的管理交给用户自己。
这样做的另一个目的是，我想把 对应的页面缓存也放到同一个cache中去。
还有一种情况，比如，user, group, group user, 三个不同的Data Object类，由于相互关联，那么用户可以指定这三个类使用同一个cache，简化管理。
还有一种情况，比如，我想用message类，同时对应 站内短信，和论坛帖子两个对象，我也可以为这两种不同的情况，指定不同cache。

---
Hibernate如果想实现 自动智能过滤缓存数据 方面，那么具有天生的优势。
因为本来Hibernate就是要 解析HQL的，而且Hibernate管理数据类本身及其之间的关联。什么信息都有了，做起来也相对容易很多。
当然Hibernate并没有做这个工作。Hibernate只提供了一个evictQueries()方法，不分类型地清理所有的cached query.
Hibernate的QueryKey也是直接使用结果SQL，而不是HQL。

java代码: 

// from hibernate 2.7
public class QueryKey implements Serializable {
private final String sqlQueryString;
private final Type[] types;
private final Object[] values;
private final Integer firstRow;
private final Integer maxRows;
private final Map namedParameters;
...
public boolean equals(Object other) {
        QueryKey that = (QueryKey) other;
        if ( !sqlQueryString.equals(that.sqlQueryString) ) return false;
        if ( !EqualsHelper.equals(firstRow, that.firstRow) || !EqualsHelper.equals(maxRows, that.maxRows) ) return false;
...
        return true;
}



可以看到，hibernate query key 直接比较结果SQL。而且我们知道，这个SQL是HQL转换过来的结果，reference一定不会相等。
假设这个SQL很长的时候，而两个SQL又相同，这个比较就会比较消耗时间。而且，这个QueryKey占的空间也比较大。
（在我的持久层里面，SQL尽量采用常量字符串、或常量字符串数组，在一定程度上解决这个问题。当然，这需要用户在使用的时候，有意识的支持）

我想了一下，为什么hibernate QueryKey直接采用结果SQL，而不用HQL。
这个SQL是HQL的解析结果，直接使用结果，节省了解析时间。比如，From A where id = 1 和 from A WHERE ID = '1'，两个HQL字符串不相同，但语义相同，转换出来的SQL一定相同。

如果Hibernate要加入智能管理QueryCache的功能，需要在QueryKey里面加入更多的信息（比如，HQL的解析结果的条件过滤部分），这样QueryKey的占用空间就会进一步加大。

有一个hibernate cache讨论。
http://forum.javaeye.com/viewtopic.php?t=6593

我的另一个帖子里面也有介绍。
http://forum.javaeye.com/viewtopic.php?t=9706

Hibernate主要的缓存是ID缓存（二级缓存），而QueryCache缓存的支持非常初级。
ID缓存的Key非常简单，就是persistent class + entity identifier。
具体来说，每个不同的persistent class有独立的ID缓存，该独立ID缓存的key就是 entity identifier。

ID缓存的管理是不是在 Method Interceptor里面管理的。我从hibernate代码中看不出这一点。也许在Hibernate自定义的Event中处理。
我大致猜测一下，Hibernate把updated, inserted, deleted Entities(对于用户来说，就是PO；对于Hibernate来说，就是Entity, Proxy)都保存在内部的一个Collection结构里面。在最后Session.flush()的时候，统一处理，同步更新数据库状态，和ID缓存状态。

 

 


只有注册用户登录后才能发表评论。
网站导航: