【每周一期-数据蒋堂】从SQL语法看离散性

  所谓离散性,是指集合的成员可以游离在集合之外存在并参与运算,游离成员还可以再组成新的集合。从离散性的解释上可以知道,离散性是针对集合而言的一种能力,离开集合概念单独谈离散性就没有意义了。

  离散性是个很简单的特性,几乎所有支持结构(对象)的高级语言都天然支持,比如我们用Java时都可以把数组成员取出来单独计算,也可以再次组成新的数组进行集合运算(不过Java几乎没有提供集合运算类库)。

  SQL体系中有记录的概念,但并没有显式的记录数据类型。单条记录被SQL作为只有一条记录的临时表处理,也就是个单成员的集合。而且,SQL从表(集合)中取出记录时总是复制出一条新记录,和原表中的记录已经没有关系了,这个特性被称为immutable。immutable特性有助于保证代码的正确性和简单性,但也会丧失离散性。

  immutable特性会要求每次运算都复制数据,这在只读的运算中还只是浪费时间和空间影响效率,但如果要改写数据时,造成的麻烦就严重得多。

  比如我们想对业绩在前10%销售员再给予5%的奖励。一个正常思路是先把业绩在前10%的销售员找出来,形成一个中间集合,然后再针对这个集合的成员执行奖励5%的动作。但由于SQL缺乏离散性,immutable特性导致满足条件的记录再形成的集合和原记录是无关的,在中间结果集上做修改没有意义。这样就迫使我们要把整个动作写成一个语句,直接在原表中找到满足条件的记录再加以修改,而前10%这种条件并不容易简单地在WHERE子句中写出来,这又会导致复杂的子查询。这还只是个简单例子,现实应用中比这复杂的条件比比皆是,用子查询也很难写出,经常采用的办法则是先把满足条件的记录的主键计算出来,再用这些主键到原表中遍历找到原记录去修改,代码繁琐且效率极为低下。

  从上面两个简单例子可以看出,缺失离散性会加剧分步计算的困难,immutable特性会降低性能并占用空间。当然,离散性的问题还不止于此。

  不能用原集合的成员构成新集合再进行计算,SQL在做分组时无法保持分组子集,必须强迫聚合,作为集合化语言,SQL的集合化并不彻底。没有游离记录及其集合的表示方法,只能用传统的外键方案表示数据之间的关联关系,写出的代码即繁琐又难懂,而且运算性能还差,缺乏离散性的SQL无法采用直观的引用机制描述关联。特别地,没有离散性的支持,SQL很难描述有序计算,有序计算是离散性和集合化的典型结合产物,成员的次序在集合中才有意义,这要求集合化,有序计算时又要将每个成员与相邻成员区分开,会强调离散性。

  这些具体内容我们会在后续文档中逐步详细说明。我们要从理论上改进SQL(或者更合适的说法是关系代数),主要工作就是在保持集合化的基础上引入离散性,从而解决上述问题,让新的语言能够同时拥有SQL和Java的优点。

  2000年创立润乾公司,首次在润乾报表中提出非线性报表模型,完美解决了中国式复杂报表制表难题,目前该模型已经成为报表行业的标准。

  2008年开始研发不依赖关系型数据的计算引擎,历经多个版本后,于2014年集算器正式发布。有效地提高了复杂结构化大数据计算的开发速度和运算效率。

  2016年荣获中国电子信息产业发展研究院评选的“2016年中国软件和信息服务业 • 十大领军人物”。

  2017年将带领润乾软件朝着拥有自主产权的非关系型强计算数据仓库、云数据库等产品迈进。返回搜狐,查看更多

相关阅读