BlueQuery高速比对数据功能

前言:

近日多间SI公司致电Sunnet关心系统性能优化问题，大家都有同样的错误观念，以为只有TB数据才会速度慢，正如以下小量数据例子，半个小时内查不了1万行数据。究竟为什么呢?我们又是怎样解决？

实例：

某集成商，因业务需要，要比对与寻找数据，用户定期得到主动数据(主动数据的格式为XML文件，一个XML文件即是一个批次的主动数据，一个批次主动数据中记录了大量的人员详细信息，每一批主动数据的数据量在100至2,000条不等)，根据数据比对的规则(用户能灵活定制规则)，将主动数据中的人员信息与被动数据(被动数据的格式为ACCESS数据源，被动数据同样记录了大量的人员信息，同时被动数据按照业务处进行划分，每个业务处有自己的被动数据库，每一个业务处的被动数据的数据量在1万至20万不等)中的人员信息进行比对，并且将比中的结果进行记录，反馈给用户，用户可以对比中结果、比对的规则、比对对应的被动数据进行查询。

问題在于搜索性能太慢: 以100条主动数据在1万条被动数据中比对的情况为例，精确比对响应时间超于25分钟，模糊比对响应时间超于2个小时。最终用户怎能等待超过半个小时的查询。

过程与挑战: 为提高搜索速度，我们采用了快速的字符串搜索算法Boyer-Moore(BM算法)，其与线性搜索的区别是当发现模式不匹配时，不是象线性搜索那样只移动一个字节，而是尽可能多地移动多个字节长度，以提高搜索速度。但采用了BM算法速度也不能接受，为进一步提速，我们采用了创新研发的混合核心算法，进一步提升3~5倍BM算法速度。

成功的结果: 我们只花了两周时间采用了混合核心算法，在网络环境（千兆）下，以100条主动数据在1万条被动数据中比对的情况为例，精确比对响应时间小于1分40秒快原系统15倍以上，模糊比对响应时间小于5分钟快原系统25倍以上。

为配合用户，我们在本公司BlueQuery商业智能产品中，新增如下超速搜索功能:

1. 快速数据精确查询功能SunDataset.QuickFindRow(nCol, varFindValue) - 在千万行数据中找某个值，都不会超过0.001秒。

2. 模糊查找指定值SunDataset.FindLike(nCol, szFindWhat, nStartRow, nDirection, bCaseSensitive)

3. 多列联合快速查找准备按多列快速查找：SunDataset.PrepareRapidFind(VARIANT varColumns, short cSplitter)

此计划，进一步提升BlueQuery商业智能产品的搜索功能。

案例参看 http://www.bluequery.com.cn/news/superspeedetl.htm