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(455) 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



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”
};



java代码: 


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



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: