什么是报表的数据库内中间冗余数据？

    绝大多数软件项目的数据库中，除了支撑系统运行的业务数据表（business table）之外，还有很多中间表（temporary table）。

    业务数据表是软件系统必须的基础数据表，是支持软件系统运行的持久化数据层，如销售管理系统中的部门、角色、权限、订单、客户、产品等等。报表中间表则是计算和生成报表的中间计算过程，中间表的名字经常是五花八门。

    按道理说，业务数据表应该是大部分，报表中间表只是小部分。但是，实际情况却恰恰相反。有些运行了较长时间的软件系统中，报表中间表达到几千个或者更多，而业务数据表只有一两百张。

    为什么数据库中会出现中间冗余数据？

    1、业务数据表结构的设计和报表要展现的数据之间有较大的差异，需要经过多步骤计算才能形成报表数据，每一步计算要把中间结果放在中间表中供下一步计算使用。

    2、业务数据表数据量较大，数据库计算报表的时间较长，只好先计算好报表数据，放到中间表中。

    3、计算报表的时候需要占用CPU、内存、硬盘IO等资源，会影响业务系统的正常运行，所以要夜间计算好报表数据，放到中间表中。

    为什么数据库中的中间冗余数据越来越多？删掉行不行？

    在项目建设阶段，需求边界的确定决定了系统功能，也就基本确定了业务数据表的数量，除非系统有结构性的修改，否则业务数据表的数量不会有特别大的变化。而在系统运行过程中，报表的个数随着时间而增加、报表需求也在不断变化，由此导致数据库中的报表中间表越来越多。

    甚至有些已经不再使用的报表删掉了，但是中间表却没有删掉。这不仅仅是因为忘记删掉，也可能是因为中间表互相依赖，形成了网状结构，已经没有人能够轻易地删掉了。老的不能删，新的不断建，报表中间表就越来越多，数据量越来越大。

    中间冗余数据有什么问题？

    关系型数据库的综合成本，是和数据表的数量、数据量相关的。数据库中充斥着各种报表中间表会存在下面的问题：

    1、数据表越多，数据量越大，数据库的负载压力越大，会造成性能的下降。

    2、数据库压力达到一定程度，数据库就必须扩容，项目成本会增加不少。

    3、数据库是扁平结构，不能以多级目录的形式来管理数据，只适合管理数量较少的表。中间表命名随意，形成大量意义混淆的表名，可管理性变差。

    4、表多、数据量大，会直接造成数据库管理和维护成本的增加。

    如何减少报表开发中的数据库内中间冗余数据？

    分库是解决数据库内中间冗余数据的办法之一，也是目前软件项目中常见的做法。但是，不管是将业务库分成多个，还是构建专门的数据仓库，本质上还是用传统关系型数据库来承载中间冗余数据，因此，上边所说的这些问题依然存在。

    那么，是否可以将中间冗余数据从数据库中移出来呢？小结果集直接计算后返回，大结果集放到硬盘文件上？这样做的好处非常明显：

    1、降低了数据库的压力，让业务系统运行更快。

    2、数据库不必因为报表中间表的原因扩容，降低了项目成本。

    3、文件可以按照业务种类、模块关系、时间顺序进行多级目录管理，可管理性较高。

    4、数据表少了，数据库管理和维护自然变得容易，降低了运维成本。

    但是，对于多数程序员来说，他们不是不愿意把中间表放到数据库外，而是不能放到库外，因为数据一旦离开了数据库，就失去了计算能力。例如：某项目中有个中间表temp2013kh-dingdan，是按照客户分组的2013年客户-订单数据。在数据库中，对这个表可以按照客户排序。但是一旦导出到文本文件中，文件本身是没有办法替程序员做排序的。

    用集算器esProc可以直接实现复杂计算并向报表工具返回结果集，同时还可以让文件了具备计算能力，实现程序员把报表中间数据从数据库中移出来的愿望。引入集算器之后的报表系统结构如下图：

esProc_report_redundance.jpg

    集算器封装了大量的结构和半结构化的数据计算类库，可以放在数据库和报表工具之间，形成报表计算层。

    对于计算非常复杂，需要分步骤计算的过程中产生的数据，如果数据量不大，内存能装下的话，集算器可以直接计算完返回给报表应用，不用制造中间表或者数据文件。

    对于必须保存的中间表，例如上边说的temp2013kh-dingdan，可以导出到文本文件（或者集算器的二进制文件）中，利用集算器的file和import函数导入进来，再利用集算器的sort函数完成排序。集算器提供了完备的类库，包括：分组、循环、排序、过滤、集合运算、有序计算等等。

    由于集算器支持异构的数据源，中间表temp2013kh-dingdan也可以和数据库中其他的业务表进行关联计算。例如，temp2013kh-dingdan中存的是客户编号，如果报表中需要展现的是客户名称的话，可以在集算器中对数据库中的客户表与文件中中间表进行关联计算。这就实现了移出数据库的中间表与没有移出数据库的统一计算。

    集算器部署非常简单，只需要引入一个jar包即可。同时，集算器为报表工具提供了友好的接口，报表可以通过jdbc来调用集算器的脚本，java代码示例如下：

    //建立连接

    Class.forName(“com.esproc.jdbc.InternalDriver”);

    con= DriverManager.getConnection(“jdbc:esproc:local://”);

    //调用存储过程，其中dfxName是dfx的文件名

    st =( com. esproc.jdbc.InternalCStatement)con.prepareCall(“calldfxName(?)“);

    //设置参数

    st.setObject(1,”3″);

    //执行存储过程

    st.execute();

    //获取结果集

    ResultSet set = st.getResultSet();

    值得一提的是，集算器提供功能强大的免费版本，一般的报表应用都可以很好的支持。程序员可以象引入其他Framework一样，逐步引入集算器，达到减少报表在数据库中的中间冗余数据的目的。