网站建设 推广找山东博达,郴州网站建设系统,江苏中南建设集团网站是多少,电商培训学校来自数据库行和表的原始数据不能为人类读者提供太多了解。 相反#xff0c;如果我们对数据执行某种聚合#xff0c;则人类更有可能看到数据模式 在展示给我们之前。 数据透视表是聚合的一种特定形式#xff0c;我们可以在其中应用排序#xff0c;求平均值或求和之类的操作… 来自数据库行和表的原始数据不能为人类读者提供太多了解。 相反如果我们对数据执行某种聚合则人类更有可能看到数据模式 在展示给我们之前。 数据透视表是聚合的一种特定形式我们可以在其中应用排序求平均值或求和之类的操作也可以对列值进行分组。 在本文中我将展示如何在不编写SQL的情况下可以用纯Java从数据库计算数据透视表。 您可以轻松地重用和修改本文中的示例以满足您自己的特定需求。 在以下示例中我使用了开源Speedment 它是Java Stream ORM和MySQL的开源Sakila电影数据库内容。 Speedment适用于任何主要的关系数据库类型例如MySQLPostgreSQLOracleMariaDBMicrosoft SQL ServerDB2AS400等。 旋转 我将构造一个Map的Actor对象并为每个Actor 相应的List电影一个特殊的电影分级的Actor出现在这里是为特定的枢轴如何进入一个例子。 Actor可能看起来像口头上表示 “约翰·多伊John Doe参加了9部评级为PG-13的电影和4部评级为R的电影”。 我们将计算数据库中所有参与者的枢轴值。 Sakila数据库具有此特定应用程序感兴趣的三个表 1包含所有影片以及影片评级的“影片”例如“ PG-13”“ R”等。 2包含组成演员的“演员”例如“ MICHAEL BOLGER”“ LAURA BRODY”等。 3“电影演员”以多对多的关系将电影和演员联系在一起。 解决方案的第一部分涉及将这三个表连接在一起。 联接是使用Speedment的JoinComponent创建的可以通过以下方式获得 // Visit https://github.com/speedment/speedment
// to see how a Speedment app is created. It is easy!
Speedment app …;JoinComponent joinComponent app.getOrThrow(JoinComponent.class); 一旦有了JoinComponent 就可以开始定义计算关系表所需的Join关系 JoinTuple3FilmActor, Film, Actor join joinComponent.from(FilmActorManager.IDENTIFIER).innerJoinOn(Film.FILM_ID).equal(FilmActor.FILM_ID).innerJoinOn(Actor.ACTOR_ID).equal(FilmActor.ACTOR_ID).build(Tuples::of); build()采用方法引用Tuples::of 该方法引用将解析为采用三个类型的实体的构造函数 FilmActor Film和Actor 这将创建一个包含这些特定实体的复合不可变Tuple3 。 元组内置于Speedment中。 有了Join对象我们现在可以使用从Join对象获得的标准Java Stream创建数据透视图 MapActor, MapString, Long pivot join.stream().collect(groupingBy(// Applies Actor as a first classifierTuple3::get2,groupingBy(// Applies rating as second level classifiertu - tu.get1().getRating().get(),counting() // Counts the elements ))); 现在已经计算了枢轴Map 我们可以像这样打印其内容 // pivot keys: Actor, values: MapString, Long
pivot.forEach((k, v) - { System.out.format(%22s %5s %n,k.getFirstName() k.getLastName(),V);
}); 这将产生以下输出 MICHAEL BOLGER {PG-139, R3, NC-176, PG4, G8} LAURA BRODY {PG-138, R3, NC-176, PG6, G3} CAMERON ZELLWEGER {PG-138, R2, NC-173, PG15, G5}
... 任务完成 在上面的代码中方法Tuple3::get2将从元组 Actor 中检索第三个元素而方法tu.get1()将从元组 Film 中检索第二个元素。 Speedment将自动从Java渲染SQL代码并将结果转换为Java Stream。 如果启用流日志记录我们可以确切看到如何呈现SQL SELECT A.actor_id,A.film_id,A.last_update, B.film_id,B.title,B.description,B.release_year,B.language_id,B.original_language_id,B.rental_duration,B.rental_rate,B.length,B.replacement_cost,B.rating,B.special_features,B.last_update, C.actor_id,C.first_name,C.last_name,C.last_update
FROM sakila.film_actor AS A
INNER JOIN sakila.film AS B ON (B.film_id A.film_id)
INNER JOIN sakila.actor AS C ON (C.actor_id A.actor_id)加入自定义元组 正如我们在上面的示例中所注意到的由于在连接阶段仅将FilmActor对象用于将Film和Actor实体链接在一起因此在Stream中没有实际使用FilmActor对象。 此外通用Tuple3有一般get0() get1()和get2()是没有说他们装的是什么东西的方法。 所有这些都可以通过定义我们自己的称为ActorRating的自定义“元组”来ActorRating如下所示 private static class ActorRating {private final Actor actor;private final String rating;public ActorRating(FilmActor fa, Film film, Actor actor) {// fa is not used. See below whythis.actor actor;this.rating film.getRating().get();}public Actor actor() {return actor;}public String rating() {return rating;}} 当使用build()方法build() Join对象时我们可以提供一个自定义构造函数该构造函数要应用于数据库的传入实体。 这是我们将要使用的功能如下所示 JoinActorRating join joinComponent.from(FilmActorManager.IDENTIFIER).innerJoinOn(Film.FILM_ID).equal(FilmActor.FILM_ID).innerJoinOn(Actor.ACTOR_ID).equal(FilmActor.ACTOR_ID).build(ActorRating::new); // Use a custom constructorMapActor, MapString, Long pivot join.stream().collect(groupingBy(ActorRating::actor,groupingBy(ActorRating::rating,counting()))); 在此示例中我们证明了带有构造函数的类方法参考ActorRating:new被解析为new ActorRating(fa, actor, film) 该FilmActor函数只是完全丢弃了链接的FilmActor对象。 该类还为其属性提供了更好的名称这使代码更具可读性。 使用自定义ActorRating类的解决方案将产生与第一个示例完全相同的输出结果但使用时看起来要好得多。 我认为在大多数情况下与使用通用元组相比编写自定义元组值得付出额外的精力。 使用平行旋转 Speedment的一件很酷的事情是它支持开箱即用的Stream方法parallel() 。 因此如果您的服务器具有许多CPU则在运行数据库查询和联接时可以利用所有这些CPU内核。 这就是并行枢轴的样子 MapActor, MapString, Long pivot join.stream().parallel() // Make our Stream parallel.collect(groupingBy(ActorRating::actor,groupingBy(ActorRating::rating,counting()))); 我们只需要添加一行代码即可进行并行聚合。 当我们达到1024个元素时将启动默认的并行拆分策略。 因此并行枢转将仅在大于此值的表或联接上进行。 应该注意的是Sakila数据库仅包含1000部电影因此我们必须在更大的数据库上运行代码才能真正受益于并行性。 试试看 在本文中我们展示了如何在不编写任何SQL代码的情况下就可以使用Java从数据库计算数据透视表。 访问GitHub上的 Speedment开源以了解更多信息。 在《用户指南》中阅读有关其他功能的更多信息。 翻译自: https://www.javacodegeeks.com/2018/05/making-pivot-tables-with-java-streams-from-databases.html
