【案例】集算器在用友加速大数据报表

企业动态
随着业务的发展,用友公司某项目的数据量越来越大。有些查询需要等待的时间也越来越长。润乾针对其中一个比较典型场景,用集算器做了查询优化,查询等待时间从90秒缩短到1-2秒,充分体现了集算器的运算效率,使实际项目的查询性能得到大幅提升。

随着业务的发展,用友公司某项目的数据量越来越大。有些查询需要等待的时间也越来越长。我们针对其中一个比较典型场景,用集算器做了查询优化,查询等待时间从90秒缩短到1-2秒,充分体现了集算器的运算效率,使实际项目的查询性能得到大幅提升。

具体的技术方案如下:

原始SQL

查询涉及到的数据存储在Oracle数据库中,数据量有百万条。原有对应的sql如下:

selecta.paytime 支付时间,

c.parent_party_name 上级公司,

c.child_party_name 公司名称,

b.BANK_TYPE_SNAME 银行类别,

a.outacctname 付款户名,

a.dbtacc 付方账号,

a.crtnam 收方户名,

a.crtacc 收方账号,

a.buss_type 业务类型,

a.trsamt 支付金额

from ebank_log a

left join BD_BANK_TYPE b

on a.BANKTYPECODE = b.BANK_TYPE_CODE

left join RM_PARTY_RELATION c

on a.PK_CORP = c.CHILD_PARTY_ID

AND c.PARTY_VIEW_ID = ‘1000200700000000003’

where a.TRSAMT >= 50000

and (length(a.CRTNAM) <= 4 or proxy =’1′)–对私支付

and instr(c.child_party_code, ‘C00100S’) =1–某省内机构

and a.paytime >= to_date(‘2016-01-01′,’yyyy-mm-dd’)

and a.paytime < to_date(‘2017-02-25′,’yyyy-mm-dd’)

其中ebank_log表100万条数据,BD_BANK_TYPE23条,RM_PARTY_RELATION 43万。SQL执行的时间非常慢,后来项目组采用用友内部的BI工具做了优化,仍然需要等待一分半钟。

集算器优化

采用集算器优化的思路是:将数据从数据库中导出成二进制的文件,采用润乾报表5.0+集算器的大报表功能,流式加载数据。

集算器的脚本如下:

 

0509al-1

 

A2:采用游标的方式加载较大的表ebank_log。

B1、B2:采用全内存方式加载两个比较小的表。

A3:把游标的关联字段切换成两个较小表的引用记录。

A4:对游标重新构建成需要的字段。

B4:按照条件过滤游标。

A5:返回游标。

报表制作

对应的报表模板如下图:

 

0509al-2

 

ds1调用上述集算器脚本,并且设置为大数据集:

***的查询结果网页如下图:

 

优化总结

大数据报表之所以能做到快速的响应,是因为采用了集算器的流式异步加载数据的机制:

 

从上图可以看出,用户请求大报表之后,集算器(大报表引擎)只加载少量数据,形成最初的几页展现给用户。在用户查看这几页数据的时候,集算器同时会加载剩余的数据到二进制文件中,等到用户翻页的时候再从本地二进制文件中读取数据展现。这样既能保证快速的响应,又能避免加载大量数据造成内存溢出。

责任编辑:Jane 来源: 润乾
相关推荐

2009-09-10 16:22:48

LINQ建立数据报表

2017-09-27 18:21:36

报表性能集算器

2011-05-24 08:56:52

激光打印机推荐

2017-04-28 21:12:51

润乾大数据分析

2017-04-27 22:11:08

集算器大数据评测

2018-04-11 18:01:12

华为

2018-09-03 13:49:33

大数据房租租金

2013-05-27 11:25:11

淘宝购物大数据

2014-03-12 16:38:43

大数据

2021-12-03 18:25:56

数据指标本质

2013-04-11 13:09:27

2014-11-24 11:10:09

大数据

2014-11-26 13:34:53

大数据

2013-03-22 09:24:06

大数据HadoopVertica

2020-01-13 15:24:22

框架SparkHadoop

2016-04-05 10:21:25

大数据元数据数据分析

2013-05-27 11:22:17

淘宝购物大数据

2020-10-14 11:06:37

Excel系统运营

2016-09-22 14:32:46

IBM

2014-12-18 11:19:00

移动行业数据报告腾讯
点赞
收藏

51CTO技术栈公众号