資料重新整理中的並行改進(二)

在之前的博文中分享了資料重新整理中的並行改進建議，但是對於方案的落地還是有很多的細節需要實現。
首先是關於很多的表怎麼把它們合理的進行並行切分。

根據實際的情況，因為這些資料字典表都相對資料量都不大，所以存在的分割槽表很少，所以可以考慮按照segment的大小來作為並行切分的基準。
所以在分散式環境中，在進行了並行切分之後，資料的重新整理速度也是會有差異的。為了儘量減少同一個資料來源的重新整理瓶頸，所以還是考慮在每個節點考慮採用並行重新整理，完成一個節點，然後下一個，所以實際的情況就可能會是下面的樣子。
黃色部分表示還沒有開始，綠色部分表示正在重新整理，灰色部分表示已經完成。所以同樣的表在不同的節點中可能重新整理速度也會有所不同。

所以目前為止，難點有三個，一個是能夠把多個表進行並行切分，第二個就是能夠合理的同步重新整理的進度，第三個就是能夠在多個節點間持續的進行切換。
首先第一個問題是並行切分的部分，可以參考下面的程式碼。
這個指令碼會把多個表進行切分，然後生成物化檢視重新整理的語句，不同的節點會生成單獨的一套指令碼便於控制和管理。
par_file_name=$1
sort -rn -k2 $par_file_name > ${par_file_name}_tmp
mv  ${par_file_name}_tmp  ${par_file_name}

par_no=$2
obj_length=`cat ${par_file_name}|wc -l `
echo $obj_length
sid_list=cust01,usg01,usg02,usg03,usg04

for i in {1..$par_no}
do
  for tmp_sid in {$sid_list}
  do
  sed -n ''$i'p' ${par_file_name}> par${i}_${par_file_name}
  done
export par${i}_sum=`cat par${i}_${par_file_name}|awk '{print $2}' | awk '{sum+=$1}END{print sum}'`
#echo `eval echo \\${par${i}_sum}`
done

function getMin
{
param_no=$#

for i in {1..$param_no}
do
export par${i}_=`eval echo \\${${i}}`
done

min_sum=$par1_
min_par=par1_

for i in {2..$param_no};
do
j=`expr $i - 1`
tmp_cur_par=par${i}_
tmp_cur_sum=`eval echo   \\${${tmp_cur_par}}`
if [ $min_sum -le $tmp_cur_sum  ]
then
 min_sum=$min_sum
 min_par=$min_par
else
 min_sum=$tmp_cur_sum
 min_par=$tmp_cur_par
fi
done
echo  $min_par
}

function getSumList
{
for k in {1..$par_no}
do
#export par${k}_sum=`cat par${k}_${par_file_name}|awk '{print $2}' | awk '{sum+=$1}END{print sum}'`
#echo `eval echo \\${par${k}_sum}`

#par_list="$par_list  `eval echo \\${par${k}_sum}`"
#echo $par_list

tmp_sum=`cat par${k}_${par_file_name}|awk '{print $2}' | awk '{sum+=$1}END{print sum}'`
echo $tmp_sum
#tmp_par_list=${tmp_par_list} "" $tmp_sum
done
#echo $tmp_par_list
}


j=`expr $par_no + 1`
for i in {$j..${obj_length}}
do
tmp_obj=`sed -n ''$i'p' ${par_file_name}'`
tmp_obj2=`sed -n ''$i'p' ${par_file_name}|awk '{print "execute dbms_mview.refresh('\''"$1"'\'','\''C'\'');"}'`

par_list=`getSumList`
tmp_par=`getMin  $par_list`
echo 'move '`sed -n ''$i'p' ${par_file_name}|awk '{print $1}'` ' to '$tmp_par
echo $tmp_obj >> ${tmp_par}${par_file_name}
for tmp_sid in {$sid_list}
do
echo $tmp_obj2 >> ${tmp_par}${par_file_name}.$tmp_sid
done
tmp_par=0
done

for i in {1..$par_no}
do
cat par${i}_${par_file_name}|awk '{print $2}' | awk '{sum+=$1}END{print sum}'
done

指令碼執行方式如下，比如我們需要把tab_parall.lst中的內容進行切分，切分為10個並行執行緒，可以這樣執行指令碼。
ksh split.sh tab_parall.lst 10

tab_parall.lst的內容如下：
table1    1000000
table2     800000
table3     500000
table4     300000
.....
生成的指令碼如下：
-rw-r--r-- 1 prodbuser dba  2132 Jun 22 18:36 par10_tab_parall.lst
-rw-r--r-- 1 prodbuser dba  4639 Jun 22 18:36 par10_tab_parall.lst.cust01
-rw-r--r-- 1 prodbuser dba  4639 Jun 22 18:36 par10_tab_parall.lst.usg01
-rw-r--r-- 1 prodbuser dba  4639 Jun 22 18:36 par10_tab_parall.lst.usg02
-rw-r--r-- 1 prodbuser dba  4639 Jun 22 18:36 par10_tab_parall.lst.usg03
-rw-r--r-- 1 prodbuser dba  4639 Jun 22 18:36 par10_tab_parall.lst.usg04
-rw-r--r-- 1 prodbuser dba   101 Jun 22 18:35 par1_tab_parall.lst
-rw-r--r-- 1 prodbuser dba   976 Jun 22 18:36 par2_tab_parall.lst
-rw-r--r-- 1 prodbuser dba  2045 Jun 22 18:36 par2_tab_parall.lst.cust01
-rw-r--r-- 1 prodbuser dba  2045 Jun 22 18:36 par2_tab_parall.lst.usg01
-rw-r--r-- 1 prodbuser dba  2045 Jun 22 18:36 par2_tab_parall.lst.usg02
-rw-r--r-- 1 prodbuser dba  2045 Jun 22 18:36 par2_tab_parall.lst.usg03
-rw-r--r-- 1 prodbuser dba  2045 Jun 22 18:36 par2_tab_parall.lst.usg04
-rw-r--r-- 1 prodbuser dba  1997 Jun 22 18:36 par3_tab_parall.lst
-rw-r--r-- 1 prodbuser dba  4296 Jun 22 18:36 par3_tab_parall.lst.cust01
-rw-r--r-- 1 prodbuser dba  4296 Jun 22 18:36 par3_tab_parall.lst.usg01
-rw-r--r-- 1 prodbuser dba  4296 Jun 22 18:36 par3_tab_parall.lst.usg02
-rw-r--r-- 1 prodbuser dba  4296 Jun 22 18:36 par3_tab_parall.lst.usg03
-rw-r--r-- 1 prodbuser dba  4296 Jun 22 18:36 par3_tab_parall.lst.usg04
-rw-r--r-- 1 prodbuser dba  2077 Jun 22 18:36 par4_tab_parall.lst