分析数据库实现原理

本篇内容介绍了“分析数据库实现原理”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

Hash连接,如内存足够，首先遍历内表创建Hash表,然后遍历外表,对连接键计算HashCode,如一致,则遍历Hash表中具有同一HashCode的链表，值一致，则返回该值。
如内存不够，可遍历两张表，使用同样的Hash函数把表拆分为N个Hash“分区”，遍历内表每一个Hash分区和外表相应的Hash分区，如找到与连接键值一致的数据，则返回该值。

详见代码注释.

#include <stdio.h>
#include <stdlib.h>
#include "hash_join.h"
#define MAX_ELEMENTS 1024
//生成hash code
static int generate_hashcode(int n)
{
  return n % HASH_BUCKET;
}
//生成hash桶(写入到文件中,以文件的方式模拟)
static int generate_bucket(FILE *file,char *tag)
{
  printf("----------- generate_bucket ---------- \n");
  //数组
  char buf[MAX_BYTES];
  FILE *fd = NULL;
  for(;!feof(file);)
  {
    int x = read_int(file,buf);
    if(x == 0)
      break;
    int hashcode = generate_hashcode(x);
    char filename[30];
    sprintf(filename,"/cygdrive/d/tmp/hash/%s_%d.csv",tag,hashcode);
    //printf("Hash code is %d,Bucket filename is %s.\n",hashcode,filename);
    fd = fopen(filename,"a");
    if(fd == NULL)
    {
      printf("Can not open file %s.\n",filename);
      return 0;
    }  
    //写入文件中
    write_int(fd,x);
    fclose(fd);
  }
  return 1;
}
//把hash表加载到内存中,适用于内存足够的情况
//使用二维数组模拟Hash表,D1 : hash桶,D2 : 桶中的数据
static int load_hashtable(int ht[][MAX_ELEMENTS])
{
  printf("----------- load_hashtable ---------- \n");
  for(int i=0;i < HASH_BUCKET;i++)
  {
    //循环桶号
    char filename[MAX_BYTES];
    //读文件
    sprintf(filename,"/cygdrive/d/tmp/hash/inner_%d.csv",i);
    FILE *fd = fopen(filename,"r");
    if(fd == NULL){
      //printf("Can not open file : %s\n",filename);
      continue;
    }
    int j=0;
    char buf[MAX_BYTES];
    for(;!feof(fd) && j < MAX_ELEMENTS;)
    {
      //把文件内容放到数组中
      int x = read_int(fd,buf);
      ht[i][j++] = x;
    }
    fclose(fd);
  }
  return 1;
}
//使用内存创建hash表进行hash连接
static void hash_join_onmemory(FILE *outerfile,FILE *innerfile)
{
  printf("----------- hash_join_onmemory ---------- \n");
  int ht[HASH_BUCKET][MAX_ELEMENTS];
  char buffer[MAX_BYTES];
  int flag = 0;
  //创建hash bucket文件
  flag = generate_bucket(innerfile,"inner");
  if(!flag)
  {
    printf("Can not generate bucket file!\n");
    return;
  }
  //加载到hash表中(二维数组模拟)
  flag = load_hashtable(ht);
  if(!flag)
  {
    printf("Can not load hash table!\n");
    return;
  }
  //遍历第二个文件,执行JOIN
  for(;!feof(outerfile);)
  {
    //读第二个文件,执行join
    int outer = read_int(outerfile,buffer);
    //计算hashcode
    int hashcode = generate_hashcode(outer);
    for(int i=0;i < MAX_ELEMENTS;i++)
    {
      //遍历hash桶中的数据,找到对应的数据
      if(ht[hashcode][i] == outer)
      {
        printf("Found one,hash bucket is %d,value is : %d.\n",hashcode,outer);
      }
    }
  }
}
//使用磁盘缓存进行hash连接
static void hash_join_ondisk(FILE *outerfile,FILE *innerfile)
{
  printf("----------- hash_join_ondisk ---------- \n");
  char buffer[MAX_BYTES];
  int flag = 0;
  //创建hash"桶"文件
  flag = generate_bucket(innerfile,"inner");
  if(!flag)
  {
    printf("Can not generate inner bucket file!\n");
    return;
  }
  flag = generate_bucket(outerfile,"outer");
  if(!flag)
  {
    printf("Can not generate outer bucket file!\n");
    return;
  }
  //遍历hash值相同的文件,执行连接
  for(int i=0;i < HASH_BUCKET;i++)
  {
    //从0号桶开始
    char innerfname[MAX_BYTES];
    char outerfname[MAX_BYTES];
    //读文件
    sprintf(innerfname,"/cygdrive/d/tmp/hash/%s_%d.csv","inner",i);
    sprintf(outerfname,"/cygdrive/d/tmp/hash/%s_%d.csv","outer",i);
    FILE *fd_inner = fopen(innerfname,"r");
    if(fd_inner == NULL){
      //printf("Can not open file : %s\n",filename);
      continue;
    }
    FILE *fd_outer = fopen(outerfname,"r");
    if(fd_outer == NULL)
    {
      continue;
    }
    for(;!feof(fd_outer);)
    {
      int v_out = read_int(fd_outer,buffer);
      if(v_out == 0)
        continue;
      for(;!feof(fd_inner);)
      {
        int v_in = read_int(fd_inner,buffer);
        if(v_in == 0)
          continue;
        if(v_out == v_in)
        {
          printf("Found one,hash bucket is %d,value is : %d.\n",i,v_out);        
        }
      }
      rewind(fd_inner);
    }
  }
}
//执行Hash连接
void hash_join(char *file1,char * file2,char *flag)
{
  printf("----------- hash join ---------- \n");
  FILE *outerfile = fopen(file1,"r");
  if(outerfile == NULL)
  {
    printf("Can not open file %s.\n",file1);
    return;
  }
  //打开第二个文件
  FILE *innerfile = fopen(file2,"r");
  if(innerfile == NULL)
  {
    printf("Can not open file %s.\n",file2);
    return;
  }
  //执行JOIN
  if(strcmp(flag,"memory") == 0)
    hash_join_onmemory(outerfile,innerfile);
  else
    hash_join_ondisk(outerfile,innerfile);
  //关闭
  fclose(outerfile);
  fclose(innerfile);
}

运行输出

$ cat file1.csv
1
2
3
4
5
1
234
2939
9002
20
$ cat file2.csv
11
20
3
40
55
50
234
33
90
1
$ /cygdrive/d/tmp/test.exe file1.csv file2.csv
------------- use memory ------------------
----------- hash join ----------
----------- hash_join_onmemory ----------
----------- generate_bucket ----------
----------- load_hashtable ----------
Found one,hash bucket is 1,value is : 1.
Found one,hash bucket is 3,value is : 3.
Found one,hash bucket is 1,value is : 1.
Found one,hash bucket is 106,value is : 234.
Found one,hash bucket is 20,value is : 20.
------------- use disk ------------------
----------- hash join ----------
----------- hash_join_ondisk ----------
----------- generate_bucket ----------
----------- generate_bucket ----------
Found one,hash bucket is 1,value is : 1.
Found one,hash bucket is 1,value is : 1.
Found one,hash bucket is 3,value is : 3.
Found one,hash bucket is 20,value is : 20.
Found one,hash bucket is 106,value is : 234.

“分析数据库实现原理”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！