主键与索引功能
集算器的序表中，可以指定某个或某些字段作为主键，基于主键的查找可以使用专门的函数，不仅可以简化书写，更能有效地提高计算性能。
find 和 pfind
主键，是数据库表中经常见到，主键字段的值被用来在表中唯一标识一条记录，因此主键字段的值是不能重复的，在很多数据库中对此作了强制规定。
在集算器中，序表中类似于主键的字段可以有多个，这些字段均称为键，需要有着确定的次序。在序表中，所有键字段的取值称为主键。序表假定主键值在记录中是唯一的，但并没有硬性检查，主键值重复了也不会报错。T.pfind(k)和T.find(k)函数，都可以用来根据主键的值k在序表T中查找记录，其中pfind返回找到的第1条记录的序号，find返回找到的第1条记录。在函数中，根据T中键的个数，k可能是单值或序列。
如果需要将主键设为指定的字段，则需要使用T.keys(Fi,…) 函数，设置序表T的主键为Fi,…。在用create(Fi,…) 函数创建空序表时，可以在某些字段名前添加#表示该字段为键。如=create(#OrderID,Client,SellerId,Amount,OrderDate)，在新建的空序表中，OrderID是主键。
在序表中查找记录，我们通常使用常规的定位函数T.select() 和T.pselect()这两个函数，下面我们来看一下pfind和find跟它们的对比。
在这里，将使用demo数据库中的EMPLOYEE表作为需要查找的序表，并在其中添加FullName字段，准备用员工的全名来查找：
为了更明显地发现用主键来查找数据的性能优势，我们随机生成10000个全名，并根据这些全名，分别用pselect和pfind来查找，计算两种方法的耗时：
|
|
A |
|
1 |
=demo.query("select * from EMPLOYEE") |
|
2 |
=A1.derive(NAME+" "+SURNAME:FullName) |
|
3 |
=10000.(A2(rand(A2.len())+1).FullName) |
|
4 |
=now() |
|
5 |
=A3.(A2.pselect(FullName:A3.~)) |
|
6 |
=interval@ms(A4,now()) |
|
7 |
=now() |
|
8 |
>A2.keys(FullName) |
|
9 |
=A3.(A2.pfind(A3.~)) |
|
10 |
=interval@ms(A7,now()) |
A5和A9中基于相同的数据，分别使用pselect和pfind函数在序表中查找记录的位置，其中，使用pfind之前，需要用keys函数设定序表的主键。A6和A10中分别计算出耗费的毫秒数如下：
而A5与A9中的查找结果是相同的：
用类似的方法，还可以对比select与find函数，为了与find函数保持一致，在select函数中使用了@1选项，同样只找到第1个结果即返回：
|
|
A |
|
1 |
=demo.query("select * from EMPLOYEE") |
|
2 |
=A1.derive(NAME+" "+SURNAME:FullName) |
|
3 |
=10000.(A2(rand(A2.len())+1).FullName) |
|
4 |
=now() |
|
5 |
=A3.(A2.select@1(FullName==A3.~)) |
|
6 |
=interval@ms(A4,now()) |
|
7 |
=now() |
|
8 |
>A2.keys(FullName) |
|
9 |
=A3.(A2.find(A3.~)) |
|
10 |
=interval@ms(A7,now()) |
A6和A10中分别计算出耗费的毫秒数如下：
A5与A9中的查找结果仍然是相同的：
从上面的对比不难看出，基于主键的查找函数，效率明显高于常规的定位函数。
主键与索引表
为什么在集算器中，使用主键查找，会明显提升效率呢？这是由于使用主键值的判断更加简易，不必去计算过滤表达式的值。另外，在使用主键查找计算时，还可以使用主键的索引表来处理。
在调用keys时添加@i选项，就会根据主键生成索引表。生成索引表时，会根据所有的主键值来生成哈希表，根据哈希值，将主键划分为很多组，而哈希值即为对应的组号。
在通常情况下，根据字段值在序表中查找某条记录时，需要逐条比较，直到发现目标记录为止。对于n条记录的序表，平均要比较n/2次。
而有了索引表，在根据主键字段的值，在序表中查找某条记录时，情况就不同了。首先，会根据主键的值计算哈希值，这样就可以根据它直接找到索引表中对应的组，然后只需要与同组的记录比较就可以了。同样对于n条记录的序表，如果序表的主键根据哈希值分布在k个组中，那么平均只需要比较n/2k次就可以了。这样的方法，虽然在生成索引表与执行查找前，付出了计算哈希值的代价，但是大大减少了比较的次数，尤其是索引表只需要生成1次就可以了。因此，在使用基于主键的查找函数时，序表中的数据量越大，需要查找的次数越多，对效率的提升就越明显。
在计算中，还可以用T.index(n)函数来主动为T的主键建立索引表，n为索引的长度。如果不设定，将使用默认的索引长度。
我们需要了解的是，用find,pfind等利用主键值查找的函数，可以通过在序表中为主键建立索引表，更有效地提升计算性能。因此，如果主键本身就可以作为索引定位记录时，就不必再去建立索引表了，如上面员工资料表中的EID字段，它本身就表示着记录在序表中的位置，用EID直接找到对应的记录效率会更高：
|
|
A |
|
1 |
=demo.query("select * from EMPLOYEE").keys(EID) |
|
2 |
=10000.(A1(rand(A1.len())+1).EID) |
|
3 |
=now() |
|
4 |
=A2.(A1(A2.~)) |
|
5 |
=interval@ms(A3,now()) |
|
6 |
=now() |
|
7 |
=A2.(A1.find(A2.~)) |
|
8 |
=interval@ms(A6,now()) |
|
9 |
=demo.query("select * from EMPLOYEE").keys@i(EID) |
|
10 |
=now() |
|
11 |
=A2.(A9.find(A2.~)) |
|
12 |
=interval@ms(A10,now()) |
这一次，随机产生10000个员工编号来进行查找，A4中根据编号直接找到对应记录，A7中仍然使用find函数，而A9中设定主键时使用了keys@i建立索引表，之后在A11中类似A7做同样的查询，A5、A8和A12中分别计算3种方法的耗时如下：
可以发现，用编号直接定位要快得多了，因为这种方法既不用比较字段值，也不必做哈希计算和建立索引表，而A10中建立了索引表后性能也非常好，但是在建立索引表的时候是需要耗时的。而A4、A7与A10中查找到的结果是相同的：
可见，在集算器中，利用序表主键的索引功能提升效率时，要注意是否适用。
switch 函数
除了find与pfind函数之外，switch函数也同样需要根据主键值在序表中查找记录，它也会自动利用主键的索引表来处理。如：
|
|
A |
|
1 |
=file("PersonnelInfo.btx ") |
|
2 |
=A1.import@b() |
|
3 |
=A1.import@b() |
|
4 |
=demo.query("select * from STATES") |
|
5 |
=now() |
|
6 |
>A2.(State=A4.select@1(ABBR:A2.State)) |
|
7 |
=interval@ms(A5,now()) |
|
8 |
=now() |
|
9 |
>A3.switch(State,A4:ABBR) |
|
10 |
=interval@ms(A8,now()) |
A2和A3中都是从集文件PersonnelInfo.btx中读取的人员资料，如下：
A4中是州信息表，如下：
在A6和A9中，将人员资料表中的State字段变换为对应的州信息，不同的是A6中用select@1函数，A9中则使用switch函数。在A7和A10中分别计算出两种方法的耗时如下：
网格中的程序执行完毕后，A2与A3中的值是相同的，如下：
其中State字段已经被转换为了州信息表中对应的记录。
在执行switch前，同样会为序表中对应的字段建立索引表，这里是为A4中州信息表ABBR字段建立索引表，从而提升匹配效率。因此，在生成外键引用的字段时，应该适当选用switch函数。