1.概述
通常，我们发现很难决定是否应该在数据库（RDBMS）或应用程序代码中执行计算以同时获得良好的性能和便利性。
在本文中，我们将探讨在数据库和应用程序代码中执行计算的优缺点。
我们将考虑一些可能影响此决策的因素，并讨论哪个层（数据库或应用程序）更适合处理它们。
2.数据库中的计算
2.1 数据选择与聚合
关系数据库针对数据的处理，选择和聚合进行了高度优化。我们可以使用SQL轻松地对数据进行分组，排序，过滤和聚合。
LEFT和RIGHT JOIN轻松地从多个表中选择和取消选择数据集。
同样， **MIN ， MAX ， SUM和AVG类的聚合函数比Java实现要方便且快捷。
**
另外，我们可以在聚合数据时利用索引来调整磁盘IO的性能。
2.2 数据量
所有流行的RDBMS在处理表中的大量数据以进行计算时均提供无与伦比的性能。
但是，与数据库相比，我们将需要大量资源（例如内存和CPU处理）来处理应用程序中类似数量的数据。
另外，为了节省带宽，建议在数据库中执行以数据为中心的计算，从而避免通过网络传输大量数据。
3.应用中的计算
3.1 复杂计算
与数据库不同，诸如Java之类的高级语言在处理复杂的计算方面非常精通。
例如，我们可以利用Java中的异步编程，并行执行和多线程来解决复杂的问题。
同样，数据库为日志记录和调试提供了最少的支持。但是，当今的高级语言为此类关键功能提供了出色的支持，这些功能通常在实现复杂的计算中非常方便。
例如，我们可以使用SLF4J轻松添加Java应用程序中的日志记录，并使用流行的IDE（例如Eclipse和IntelliJ IDEA）进行调试。因此，与数据库相比，在应用程序中执行计算是开发人员的便捷选择。
同样，另一个论点是，我们可以轻松地在应用程序代码中对计算进行单元测试，这在数据库中执行起来相当复杂。
事实证明，单元测试非常方便，可以检查实现中的更改。因此，在Java应用程序中执行计算时，我们可以使用JUnit添加单元测试。
3.2 先进的数据分析和转换
该数据库为高级数据分析和转换提供了有限的支持。但是，使用应用程序代码执行复杂的计算很简单。
例如，Deeplearning4J，Weka和TensorFlow等各种库可用于高级统计和机器学习支持。
另一个常见用例是，我们可以使用Hibernate等ORM技术轻松地对数据进行对象化，使用Java Streams等API来处理数据，并通过XML或JSON解析库以各种格式生成结果。
3.3 可扩展性
由于RDBMS只能向上扩展，因此实现数据库可伸缩性可能是一项艰巨的任务。但是，应用程序代码提供了更可扩展的解决方案。
我们可以使用负载平衡器轻松扩展应用服务器并处理大量请求。
4.数据库与应用程序
现在，我们已经看到了在每一层上基于某些因素执行计算的优势，让我们总结一下它们之间的差异：
- 数据库是数据选择，聚合和处理大量数据的首选
- 但是，在考虑诸如复杂性，高级数据转换，第三方集成和可伸缩性等因素时，在应用程序代码中执行计算似乎是一个更好的选择。
- 此外，高级语言还提供了其他好处，例如日志记录，调试，错误处理和单元测试功能。
混合并利用这两层的优点来解决一个复杂的问题始终是一个好主意。
换句话说，使用数据库进行数据的选择和聚集，然后将有用的精益数据传输到应用程序，并使用高效的高级语言对应用程序执行复杂的操作。
5.结论
在本文中，我们探讨了在应用程序和数据库中执行计算的利弊。
首先，我们讨论了在数据库层和应用程序层中执行计算的优点。然后，我们总结了有关基于我们讨论的所有因素进行计算的结论。
0 评论