集算器协助MongoDB计算之数位比较

jyhrte

  Mongodb脚本解决复杂问题的计算能力有限，直接使用时较为吃力。很多情况下需要将数据读出后在主程序中进一步完成运算，而在Java等高级语言中编写这类集合式运算也比较麻烦。这时可以用集算器esProc来辅助，这里通过一个例子来说明。

Mongodb中有一个test集合如下：

>db.test.find({},{"_id":0})

{"value" : NumberLong(112937552) }

{"value" : NumberLong(715634640) }

{"value" : NumberLong(487229712) }

{"value" : NumberLong(79198330) }

{"value" : NumberLong(440998943) }

{"value" : NumberLong(93148782) }

{"value" : NumberLong(553008873) }

{"value" : NumberLong(336369168) }

{"value" : NumberLong(369669461) }

…

具体的：test集合包含多个value，每个value是一个数字串。每个数字串都要和另外所有的数字串比较，找出每个数字串的最大相同数和最大不同数。如果第1行和第n行都含有数字1，就算相同数有1个，如果第1行有1第n行没有，就算不同数有1个。

  集算器代码如下：

A1：连接mongodb，ip和端口号是localhost:27017，数据库是test，用户名和密码都是test。

  A2：使用find函数从mongodb中取数，形成游标。集合是test，过滤条件是空，键_id不取出。可以看出，esProc在find函数中采用了和mongdb的find语句一样的参数格式。esProc的游标支持分批读取和处理数据，可以避免数据量过大，内存出现溢出的情况。这里因为数据量不大，所以用fetch出游标的所有记录。
  A3:在A2的基础上增加两列，用来存放最大相同数和最大不同数。同时把value转成字符串。
  A4：针对A3集合循环，循环体是B4到D10。

B4：取当前循环的value。

C4：利用函数将value分拆成单个字符组成的序列，去掉重复的值。

B5：对A3再进行一次内层循环。循环体是C6到D10。

C5：如果内层循环的循环位置和外层当前位置的相等，也就是说是同一个value的话，就跳过本次内层循环，进行下一次内层循环。

C6：取得内层循环的value。

C7：定义两个变量same和diff，分别存放本次比较的相同数和不同数，初始值为0。

C8：利用循环函数，在内层循环的value中逐个查找外层循环的value分拆的序列数值。如果能找到，则same自加1，否则diff自加1。

C9、C10：将same和diff和A4中的same和diff比较，将较大的重新赋值给A4中的same和diff。

运行结果是：

需要说明的是：esProc并不包含mongodb的java驱动包。用esProc来访问mongodb，必须提前将mongodb的java驱动包（要求2.12.2或以上版，如mongo-java-driver-2.12.2.jar）放到[esProc安装目录]\common\jdbc中。

集算器esProc协助mongodb计算的脚本很容易集成到java中，只要增加一行A11，写成result A3即可向java输出resultset形式的结果，具体的代码参考esProc教程。同样，用java调用esProc访问mongodb也必须将mongdb的java驱动包放到java程序的classpath中。