juniaoshaonian
commented
1 year ago 设计
-
聚合函数的抽象
type Aggregator interface { // Aggregate 将多个列信息聚合，返回聚合后的数据。 Aggregate(...[]any) (any, error) // Match 返回需要进行聚合函数计算的列的信息 Match() []MatchInfo }
type MatchInfo struct { name string typ reflect.Type }
2. 整体逻辑是通过match返回的列信息，去sql.Rows里面拿数据。然后通过Aggragate方法完成Max，Min这些操作。
// rowsInfo存放sql.Rows列表中所有元素进行一次Next并且Scan后的数据，字段数据由[]byte接收 rowsInfo := make([]*rowInfo, len(r.rowsList)) for , row := range r.rowsList { rowInfo, err := r.getRowsInfo(row) if err != nil { r.lastErr = err r.mu.Unlock() = r.Close() return false } rowsInfo = append(rowsInfo, rowInfo) }
// 构建Column对象，通过聚合函数的match方法拿到匹配信息，拿到所有sqlRows列表中所有匹配的列,然后进行聚合函数的合并
for _, aggregator := range r.aggregators {
matchInfo := aggregator.Match()
cols := make([][]any, 0, len(rowsInfo))
for _, rowInfo := range rowsInfo {
col := make([]any, 0, len(matchInfo))
for _, colInfo := range matchInfo {
ok, val := rowInfo.Get(colInfo.name)
if !ok {
r.lastErr = errs.ErrMergerAggregateColumnNotFound
r.mu.Unlock()
_ = r.Close()
return false
}
newVal := reflect.New(colInfo.typ).Elem().Interface()
convertAssign(&newVal, val)
col = append(col, newVal)
}
cols = append(cols, col)
}
aggregator.Aggregate(cols...)
}3. 具体聚合函数的实现,，以max为例type Max[T aggregatemerger.AggregateElement] struct { matchInfo aggregatemerger.MatchInfo }
func (m *Max[T]) Aggregate(columns ...[]any) (any, error) { ans := make([]T, 0, 1) for _, col := range columns { data, ok := col[0].(T) if !ok { return nil, errs.ErrMergerInvalidAggregateElement } if len(ans) == 0 { ans = append(ans, data) } else if ans[0] < data { ans[0] = data } } return ans[0], nil }
func (m *Max[T]) Match() []aggregatemerger.MatchInfo { return []aggregatemerger.MatchInfo{m.matchInfo} }
func NewMax[T aggregatemerger.AggregateElement](matchInfo aggregatemerger.MatchInfo) *Max[T] { return &Max[T]{ matchInfo: matchInfo, } }
type AggregateElement interface { ~int | ~int8 | ~int16 | ~int32 | ~int64 | ~uint | ~uint8 | ~uint16 | ~uint32 | ~uint64 | ~float32 | ~float64 }
flycash
仅限中文
使用场景
聚合函数常见的有：
当然在这个例子里面，COUNT(ID) 只是一个例子，只是为了计算有多少条数据。
聚合函数和 GROUP BY
聚合函数在有 GROUP BY 和没有 GROUP BY 子句下是很不一样的。在有 GROUP BY 的场景下，聚合函数计算的是组内的聚合函数。 例如说 SELECT AVG(age) FROM user GROUP BY gender，这个 SQL 是计算按照性别划分的平均年龄，也就是说会有两个结果：男性平均年龄和女性平均年龄。
所以实际上在处理有 GROUP BY 子句的时候，比如说 SELECT AVG(age) FROM user GROUP BY gender 会变成：
注意，这个时候在 SELECT 子句里面必须带上 GROUP BY 的列，也就是 gender，不然我们不知道如何处理。
那么假如说我们在两张表里面拿到四条数据：
那么实际上计算的结果是 <(123+233)/(3+5), male> 和 <(125+225)/(2+7), female>。
这里我们可以总结出来：
第二个点，手动进行分组是一个很麻烦的点。它分成两种情况：
因此 GROUP BY 会带来很多额外的复杂度。因此在当前 issue 下，认为它必然是不带 GROUP BY 的，等后面我们再创建 issue 来支持带 GROUP BY 的。
多个聚合函数合并使用
很显然，用户可以在一个查询语句里面查询多个聚合函数的值，比如说 SELECT MIN(age), MAX(age) FROM xxx。那么我们也需要考虑支持这种场景。
设计
MIN、MAX、SUM和COUNT
这四个的实现非常简单额，每一个都是一个单独的列。在我们
其它