集算器协助java处理结构化文本的集合运算

开发 后端
与内存计算不同,操作游标需要使用游标函数,比如排序时应当使用函数sortx。这里的merge函数使用了两个函数选项,@i表示求交集,@x表示参与计算的对象不是内存数据,而是游标。另外,union等函数只能进行内存数据的集合运算,不能用于大文件。

JAVA不直接支持集合运算,因此要用嵌套循环才能实现文本文件之间的交集、并集、差集 等集合运算,如果文件数量较多,或者文件较大而无法放入内存直接计算,再或者要按照多个字段进行集合运算,则相应的代码会更加复杂。集算器直接支持集合运 算,可以协助JAVA轻松实现此类算法,下面我们通过例子来看一下具体作法。

有两个小文件:f1.txt和f2.txt,***行是列名,现在需要对文件中的Name字段进行交集运算。部分数据如下:

文件f1.txt:

esProc_java_structured_setoperator_1

文件f2.txt:

esProc_java_structured_setoperator_2

集算器代码:

esProc_java_structured_setoperator_3

A1、B1:用import函数将文件读=[A1.(Name),B1.(Name)].isect()入内存,默认的分隔符是tab。这里的函数 选项@t表示将***行读为列名,这样一来后续的计算就可以直接用Name和Dept来引用相应的列,如果***行不是列名,则应当用_1和_2这种默认列名 来引用。

计算后A1和B1的值分别如下:

esProc_java_structured_setoperator_4

函数import可以读取指定的列,比如本案例只有Name会参与计算,因此可以只读取Name列,对应的代码是:file(“E:\\f1.txt”).import@t(Name) 。

A2= 函数isect可以进行集合间的交集运算,A1.(Name)表示取出A1的Name列,形成一个集合,B1.(Name)表示取出B1的Name列。本案例的最终结果如下:

esProc_java_structured_setoperator_5

A3:result A2。这表示将计算结果输出到JDBC接口。A3可以和A2合为一步:result [A1.(Name),B1.(Name)].isect() 。

上述是求交集的过程,求并集只需换个函数:[A1.(Name),B1.(Name)].union(),计算结果如下:

esProc_java_structured_setoperator_6

求差集的代码:[A1.(Name),B1.(Name)].diff(),计算结果如下:

esProc_java_structured_setoperator_7

还有一类特殊的集合算法:和集,即求并集时保留重复的元素,和集的代码:[A1.(Name),B1.(Name)].conj(),计算结果如下:

esProc_java_structured_setoperator_8

可以直接用运算符来代替函数,写法更加简洁,比如交集,并集、差集、合集可以改写为:

    A1.(Name) ^ B1.(Name)
     A1.(Name) & B1.(Name)
     A1.(Name) \ B1.(Name)
     A1.(Name) | B1.(Name)

也可以对多个文件进行集合运算,比如f1.txt、f2.txt、f3.txt读入内存后对应的变量分别是A1、B1、C1,对它们求交集,代码如 下:A1.(Name) ^ B1.(Name) ^C1.(Name) 或 [A1.(Name),B1.(Name),C1.(Name)].isect() 。

有时候文件比较大,会影响集合运算的性能,可以用sort函数事先排序,再用merge函数来进行集合运算,这样一来性能会显著提高。其中,求交集时应当使用函数选项@i,并集使用@u,差集使用@d,对应的代码分别如下:

    =[A1.(Name).sort(),B1.(Name).sort()].merge@i()
     =[A1.(Name).sort(),B1.(Name).sort()].merge@u()
     =[A1.(Name).sort(),B1.(Name).sort()].merge@d()

函数merge还可以进行多字段的集合运算,假设不同的Dept会存在相同的Name,现在需要将Dept和Name当作一个整体来进行交集运算, 对应的代码如下:[A1.sort(Dept,Name),B1.sort(Dept,Name)].merge@i(Dept,Name) 。

计算结果如下:

esProc_java_structured_setoperator_9

对于内存放不下的大文件,可以用cursor函数来读取文件,并用merge函数来实现集合运算。其中,求交集的代码如下:
    A1=file(“e:\\f1.txt”).cursor()
     B1=file(“e:\\f2.txt”).cursor()
     A2=[ A1.sortx(Name),B1.sortx(Name)].merge@xi(Name)

注意,这里函数cursor并不会将数据全部读入内存,而是以游标(或流)的方式打开文件。集算器引擎会自动分配合适的缓冲区,每次读取一部分数据参与计算,再循环往复,完成最终的计算。

与内存计算不同,操作游标需要使用游标函数,比如排序时应当使用函数sortx。这里的merge函数使用了两个函数选项,@i表示求交集,@x表示参与计算的对象不是内存数据,而是游标。另外,union等函数只能进行内存数据的集合运算,不能用于大文件。

上述脚本已经完成了所有的数据处理工作,接下来通过JDBC将集算器脚本集成在JAVA里。JAVA代码如下:

  1. //建立esProc jdbc连接 
  2.  Class.forName(“com.esproc.jdbc.InternalDriver”); 
  3.  con= DriverManager.getConnection(“jdbc:esproc:local://”); 
  4.  //调用esProc,其中test是脚本文件名 
  5.  st =(com.esproc.jdbc.InternalCStatement)con.prepareCall(“call test()”); 
  6.  st.execute();//执行esProc存储过程 
  7.  ResultSet set = st.getResultSet();//获得计算结果 

 

责任编辑:王雪燕 来源: 博客园
相关推荐

2015-12-18 10:10:06

集算器Java结构化

2015-12-08 13:53:56

java结构对齐连接

2014-03-14 09:52:15

非结构化数据

2021-12-29 10:51:19

JavaSPL架构

2021-12-12 08:37:18

结构化数据非结构化数据数据

2018-04-03 14:00:03

结构化数据非结构化数据数据库

2017-12-06 15:46:31

深度学习结构化数据NLP

2023-06-19 07:08:22

结构化数据ChatGPT

2023-12-25 15:00:18

结构化布线光纤

2022-05-24 09:52:37

Spark SQL大数据处理Hive

2012-02-08 15:54:05

ibmdw

2023-12-26 09:00:00

Java结构化并发开发

2010-01-13 13:20:08

VB.NET结构化异常

2009-10-09 17:57:20

结构化布线

2011-02-28 13:55:00

结构化布线

2022-01-04 05:40:17

Whispers安全工具静态代码分析

2011-03-01 13:59:43

结构化

2017-05-16 21:31:03

结构化数据新模式

2009-10-16 12:55:27

结构化布线系统

2009-10-21 15:20:28

结构化布线技术
点赞
收藏

51CTO技术栈公众号