IM客户端数据库加载过程优化



IM通讯里面有两个重要的数据概念，一个是会话，一个是会话中的消息。
在系统初始化时，这两部分都要从数据库中加载到内存中。

数据组织结构是ConversatonManager包含多个会话，每个会话含有消息列表。

ConversationManager
                    |________  conversation  _____ MessageList
                            |
                            |____  conversation  _____ MessageList
                            |
                            |____  conversation  _____ MessageList
      

每次系统启动的时候，首先查询会话列表，然后对每一个会话加载其中的消息。对应的伪码

conversationList = db.loadConverstaions()
for (conversation : conversationList) {
	db.loadMessages(conversation);
}

因为每次查询都要涉及数据库操作，导致加载时间很长，而且大量的IO操作也会导致耗电量增加，
所以这部分加载过程，是我们优化的重点。

思路很简单：一条SQL语句做完所有事情，避免for循环，避免多次遍历数据库。
修改后的结构是：

conversationList = db.loadConverstaionsAndMessages();

这样大量的细节隐藏在SQL语句实现中。
这里面的实现有两种情况:
  1. 一种是每个会话只加载一条消息记录。
  2. 另一种是每个会话加载多条消息记录。

1. 每个会话只加载一条消息记录(假设是最后一条消息)，这种情况可以使用关键字group by 处理：
    select *, max(msgTime) from xxx_table group by conversation
 这种情况比较好理解，而且网上类似的问题很多，很容易找到答案。

2. 对于每个会话要求加载多条消息的情况（消息按照时间排序），我的思路是在group by, order by， limit这些关键字中寻找答案。
   先在网络上寻找答案，寻找一些类似的实现，可惜都不理想。
   有的实现就是把for循环转移到sql语句中，利用游标的概念，但是计算的数量级并没有下降，使用我本地的较大的数据量进行试验，执行时间过长。
   或者是看到oracle数据库中有解决方案，但是需要使用关键字partition，这个应该是oracle数据看到经常会有类似的问题而提出的专用关键字。
   对于mysql, sqlite等常用数据库，没法移植该实现。
  
   最终我使用的方法是，
   select * from xxx_table order by conversation, msgTime desc.
   这样整个表单进行排序，首先按照会话名称进行排序，然后按照消息时间排序。
   还剩下一个条件没有满足，就是每个会话消息的限定个数。

   把个数的遍历放在外面实现，通过一个while循环将会话中超出limit部分的消息剔除。

   伪码：

   cursor = db.exec('select * from xxx_table order by conversation, msgTime desc');
   while (cursor.next()) {
        msg = msgFrom(cursor)
	if (! msg belong to conversation) {
		// 消息不属于当前的会话,所以
		conversation = new Conversation();
		conversation.add(msg);
		continue;
	}
		
	if (conversation.msgSize() < limit && msg belong to conversation) {
		conversation.add(msg);
	} else {
		// 消息个数已经超过会话消息限制
		continue;
	}
   }

   这种方法的缺点是cursor会把整个表单都返回到用户空间，然后把所有的数据在用户空间都遍历一遍，有多余的操作。
   不属于最优实现。
  
   优点是两次排序使用order by，可以由数据库实现，这部分执行效率比较高，然后一次遍历cursor就执行完剩余操作，执行效率在接受范围之内，和改动之前相比效率提升至少一个数量级。
  
   测试结果：一万条消息记录，一千个会话，执行时间大概4秒
  
   补充一下，对于非数据库专业人员来说，有一点需要注意：
   group by, order by， limit这些关键字在sql语句中有强制的顺序要求，limit , order by，都不能写到group by前面。
  

下面是我在寻找这个问题过程中看到的一些帖子，第一行是文章标题，后面是我看后的感受。如有冒犯，敬请原谅。

[SQL中Group分组获取Top N方法实现]
游标方法可取，网上讨论说运行比较慢。

[]一条SQL语句搞定分组并且每组限定记录集的数量]
仅适用于oracle

[]mysql实现每组取前N条记录的sql，以及后续的组数据量限制]
好像是可以，没看明白

[]SQL--分组显示数据，显示每组的前几行数据]
http://blog.163.com/peng_peng1028/blog/static/107463820111019240379/
像是答案，效率好像很低

[取每组前几条记录的SQL写法]
http://blog.sina.com.cn/s/blog_412897e10100r2rq.html
该页面提供两种方法，都尝试过，效率太低，杀掉程序时还没执行完