Dotaz: Průběžné ukládání dat z MySQL

[Pavel]

Zdravím, dělám web k jedné meteostanici a řeším jak zobrazovat u klientů jednotlivá naměřená data. Měřím každou minutu a zobrazuju data až 3 dni zpět, to znamená, že z databáze potřebuji vytáhnout 4320 řádků.

Současný dotaz na databázi je dělán takto:

$today_start  = date("Y-m-d 0:0:0", strtotime("-2 days"));
$today_stop = date("Y-m-d 0:0:0", strtotime("+1 days"));
     
$vysledek =  mysql_query("SELECT temp,cas,dew_point FROM mereni WHERE (cas > '$today_start') AND (cas < '$today_stop') ORDER BY cas");
if ($vysledek) {
  while($zaznam = MySQL_Fetch_Array($vysledek)) {
    $cas[] = $zaznam[cas];
    $tep[] = $zaznam[temp];
    $dp[] = $zaznam[dew_point];	
	
  }
} 

Takto načtu databázi několikrát, pro každý graf zvlášť.

1) - Myslím, že bude lepší vyčíst všechno jedním dotazem a pak dále zpracovávat?

2) - Není třeba zobrazit všechny záznamy, ale třeba když minuta = 0,5,10,15,... Jak na to?

Klient má udělán automatický refresh stránky, po minutě aby viděl aktuální údaje. Jeden graf generuji cca 2s bez jiného většího zatížení, což není nejlepší. Raději bych generoval obrázky nějakým scriptem a poté si je klienti jen zobrazovali.

3) - Je vhodné použití cronu na periodické spouštění po minutě?

Taknějak si nejvíce rozumím s PHP, ale dělat v tom script aby byl spuštěný pořád a jen se po minutě probral, není nejlepší.

4) - Existovalo by jiné řešení celé aplikace?

Odpovědi

[Kit]

Zkusil bych tu výpočetní zátěž přenést na klienta, např. přes

Flot

Klient si pak přes AJAX může natahovat data klidně každou minutu nebo i sekundu a dynamicky upravovat svůj graf. Zároveň se sníží zátěž na databázi - přece klient nebude znovu stahovat data, která už má.

[Pavel]

Ano, to by bylo dobré řešení, ale nejde to, někteří klientí nemají JS.

[Kit]

Pro ně se udělá konvenční serverové (pomalejší) řešení. Konečně nějaké smysluplné použití tagu <noscript>.

[Pavel]

A pak budu data tahat přímo z databáze na klienta? Budu muset stejně tahat přes web server ne?

[Kit]

Stačí nějaké jednoduché REST API.

[rADOn]

1. Záleží co myslíš tím zpracováním. Jestli je to práce pro databázi tak ne. Jestli jde jen o to rozdělit data do UI prvků (řekneme grafů), tak to se pořád dá delegovat na db – pro každý graf přidáš boolean jestli v něm daný řádek má nebo nemá být.
2. MINUTE(cas) % 5 == 0.
3. Pokud nehrozí že se to do minuty nestihne udělat tak ano. Ale psát cronjoby v php je stejný zvěrstvo jako psát v něm daemony. Nevím co v tom cronu chceš mít, ale vsadím koláč proti psímu sucharu že v pythonu/ruby/perlu to bude kratší a jednodušší.
4. Jestli to má být webovka tak asi moc ne. Pokud se data v čase nemění, tak bys měl vygenerovaný obrázky s grafy ukládat bokem do cache. Na ajaxoviny co ti tu radí kolegové se vyprdni. To je bezva věc když máš náročnou aplikaci a ubíjí tě provozní overhead, jinak je to zbytečná práce s přetahováním (a často duplikováním) logiky do javascriptu.

Kromě toho tam máš menší chybu v souběhu – při počítání začátečního a koncového data dvakrát voláš time(). Zkus uhádnout co to udělá ve 23:59:59.9999

Pokud držíš čas v databázi, je nejlepší používat hodiny taky z databáze. Za prvé, když máš databázi na jiným fyzickým stroji než webovku, nemusíš řešit synchronizaci času. Za druhé, databáže se ti postará o atomicitu. Na MySQL všechny volání NOW() v transakci dostanou stejný čas (dokonce i když se spustí později na replice). Takže ten interval napiš nějak takhle:

WHERE cas BETWEEN NOW() AND DATEDIFF(NOW(), interval -2 days)

[Pavel]

Díky za odpověď, něco takového jsem čekal, to že bude problém v tom čase jsem tušil, ale zatím jsem to nijak neřešil, nicméně tvuj návrh je dobrý nápad. Jen jsem nepochopil ten první bod. Mám tabulku, kde ve sloupcích mám cas, teplotu, vlhkost, vítr, déšť,... Když zavolám funkci vykresli teplotu, načtu všechny řádky s teplotou a časem, poté volám funkci kresli vlhkost a projedu opět všechny řádky, vyberu čas a vlhkost. Tedy minimálně ten sloupec s časem načítám několikrát. Takže myslím, že by bylo rychlejší vyčíst celou db, uložit do pole a pak kreslit jednotlivé grafy, třeba v jedné funkci.

[Kit]

Vždy kreslíš jen jeden graf, takže tato "optimalizace" postrádá na významu.

Pokud však do jednoho grafu zakresluješ všechny veličiny, tak logicky si vytáhneš z DB všechny požadované sloupce jedním dotazem.

[Pavel]

Jsem to měl na mysli tak, že bych kreslil několik grafů najednou.

[Kit]

Do jednoho obrázku? Pak samozřejmě má význam stáhnout všechny potřebné sloupce. To jsem však už psal.

[Pavel]

ne, myslel jsem v jedné funkci vyčíst všechny data, vykreslit obrázek s prvním grafem, hned s druhým, atd...

[Kit]

To ale nejde vykreslit všechny obrázky v jednom vlákně PHP. Vždycky přece vykresluješ jen jeden. Jak bys je pak předal klientovi?

[potato]

Samozřejmě že to jde, když se bude používat cache nakreslených grafů, do níž se nejprve dívám, než cokoli kreslím. A využije se predikce. Tedy když kreslím obrázek Foo s nějakými parametry, předpokládám, že se bude kreslit i Bar a Baz, které mohu současně udělat efektivně, takže je taky nakreslím a vložím do cache, i když je klientovi neodesílám. Někdy je tento přístup i efektivní, ale jak to bude tady, nebudu odhadovat...

[Kit]

To už generování těch obrázků může rovnou spouštět cronem.

[potato]

V tomto případě nejspíš ano, pokud se předpokládá, že je stejně nějaký klient bude furt chtít tak jako tak.

Popsané řešení funguje, když někdo chce vidět reporty jen občas, ale je pravděpodobné, že když už se podívá, bude je chtít víceméně všechny.

[Pavel]

Udělal jsem to tak, nastavil jsem spouštění scriptu každou minutu. Refresh stránky na 20s. Při načítání se podívam do cache, jestli tam není obrázek, když ne, vytvořím. Pokaždé když se refreshne, tak se na server uloží čas posledního náhledu. Abych si byl jistý, že nebudu script spouštět zbytečně, udělal jsem podmínku, aby se dokončil pouze když doba od posledního přístupu je menší jak minuta.

[rADOn]

refresh stranky? w.t.f.?

[rADOn]

uz mi to asi doslo, chces ty grafy automaticky aktualizovat. dej si majzla jaky posilas hlavicky, kdyz si to dobre osefujes tak prohlizec nebude tahat stejny obrazky pri kazdym refreshi. apac si imo umi nastavit potrebny hlavicky sam podle mtime soboru, ale kdyz neco blejes z php tak je to na tobe.

[Pavel]

A máš nějaký nástřel toho co tam dát? Zkoušel jsem

Header("Cache-Control: must-revalidate");
$offset = 60;
$ExpStr = "Expires: " . gmdate("D, d M Y H:i:s", time() + $offset) . " GMT";
Header($ExpStr);

ale hlásí mi to chybu. Mám to hned na začátku, v tagu HEAD.

[rADOn]

1) Hlavičky se posílají PŘED obsahem dokumentu. To bude asi ta chyba. BTW budiž varován, že pokud máš byť jen jedinou mezeru na začátku skriptu před prvním <?php, tak už je to obsah a jsi v pr…

2) Hlavičky nepotřebuješ (jenom) na dokumentu, ale i na těch obrázcích. A nebude to napevno zadaný offset, ale spočítáš si čas podle typu grafu, takže třeba hodinový graf nebude platit hodinu ale jen do NN:00:00.

3) Stejně tak, pokud budeš předvídavej tak nebudeš posílat refresh za 20s když je pátá sekunda z minuty a ty víš že dalších 55 sekund se nic nehne. Pokud budeš ještě předvídavější tak do toho zapracuješ menší random aby na tebe neuhodili všichni klienti najednou.

4) Nebo mě napadá úplně jiný způšob: grafy budeš blejt do souborů v adresářích který budou přímo viditelný a ve skriptu se odkážeš přímo na obrázek nějakým uhádnutelným jménem, dejme tomu /graph/hour/yymmddHH. Ve stránce se ti pak budou měnit zdroje obrázků, obrázky samotný můžou mít (dlouhou) expiraci od apače. Výroba obrázků bude kapku náročnější (pokud je bude dělat cron job, musíš ošéfovat aby se skripty neodkazovaly na obrázky který ještě nejsou hotový; pokud se budou dělat přímo ze skriptů, budeš muset pořešit atomicitu a zamykání aby se navzájem nesrazily) ale máš v ceně cache diskutovanou výše – každý obrázek se vyrábí jen jednou a pak může obsloužit tolik klientů kolik jich apač unese. To je tak jako tak první optimalizace kterou budeš muset udělat pokud chceš obsloužit netriviální množství klientů.

BTW v tom sqlku nahoře mám koukám chybu, čas se nemění DATEDIFF() ale DATEADD().

[Pavel]

Tak jsem přemýšlel nad tím časem, ale to není tak jednoduché, nechci aktuální čas. Potřebuji vypsat data dnešní, včerejší, převčerejší, nezávisle na tom jestli je 1h nebo 23h. Takže místo

DATEDIFF(NOW(), interval -2 days)

potřebuji něco aby mi to vzalo vždy až do půlnoci, jako mam

date("Y-m-d 0:0:0", strtotime("-2 days"))

[Jesus Jimenez]

CURDATE()

[Jesus Jimenez]

A nebylo by na tohle lepsi neco jako RRDtool?