混合异构数据源关联计算优化方案

在报表项目中,报表数据源常常会来自于多种异构数据源,例如:关系型数据库(oracle、db2、mysql)、nosql 数据库(mongodb)、http 数据源、hadoop(hive、hdfs),甚至是 excel 或者文本文件。针对这类情况,通常的做法是采用 ETL 工具,将这些数据源都同步到数据仓库中再进行计算。不过这种做法存在以下问题:

1、配置复杂,难度较大;

2、成本较高;

3、数据无法实时访问,时间延迟较长;

4、数据仓库的建设和管理都比较复杂;

5、如果数据量很大效率会很低,而且要不断的 ETL 各个应用系统的同步数据;

6、数据仓库利用的也是传统数据库的技术,负载增大的时候需要用较高的成本进行扩容。

和这种传统做法相比,采用润乾报表可以简单直接地实现混合数据源报表,具体做法是通过内置的集算引擎直接读取各种混合数据源,让数据采用最合适的方式存储,最终以较小的成本呈现基于混合数据源的实时报表。ETL 方式和润乾报表方式在体系结构上的对比如下图所示:

下面,通过《州销售人员销售报表》的设计制作来看一下具体的实现步骤。报表如下图:

报表的销售数据来自于销售系统的 mongodb 数据库,销售员的信息则来自人力资源系统的 db2 数据库。采用润乾报表的混合数据源方式,报表数据源不需要定期同步,不会有时间上的延迟。

第一步,在集算器设计器中编写脚本,并保存为 statesales.dfx,脚本内容如下:

                                                           
 A
1 >hrdb=connect(“db22”)
2 =hrdb.query(“select * from employee where state=?”,state)
3 =mongodb(“mongo://localhost:27017/test?user=test&password=test”)
4 =A3.find(“orders”,,“{_id:0}”).fetch()
5 =A4.switch@i(SELLERID,A2:EID)
6 =A5.new(ORDERID,CLIENT,SELLERID.NAME:SELLERNAME,AMOUNT,ORDERDATE)
7 >hrdb.close()
8 >A3.close()
9 result A6

代码说明:

A1:连接预先配置好的 db22 数据源。

A2:执行 SQL,从表 employee 取数,参数 state=“California”。

A3、A4:从销售系统的 mongodb 读取 collection orders。

A5:使用集算器的 switch 函数,将 A4 中的 sellerid 字段切换成 A2 中的记录,关联条件为 sellerid=eid。@i 选项是指如果找不到对应的记录,则删除该行。

A6:生成一个新的序表,得到需要的字段。

A7、A8:关闭数据库连接。

A9:返回给集算报表。

第二,在报表设计器中定义参数 state,配置集算数据集:

第三,设计报表如下:

运行报表,输入参数计算后,即可得到前面希望的报表。报表上部的查询界面是润乾报表自动提供的“参数模板”功能。参数模板和 db2、mongodb 数据源配置的具体做法参见教程和其他文档,这里不再赘述。

需要说明的是,如果数据源类型发生了变化,只需进行小幅改动即可使报表生效。比如新上线的销售系统采用了 oracle 数据库,只要修改 statesales.dfx 的 A1 改为:

hrdb=connect(“ora”)

同时复制 oracle jdbc 驱动、配置 oracle 数据库的连接参数即可。

posted on 2019-05-27 17:21  IBelieve002  阅读(366)  评论(0编辑  收藏  举报

导航