PostgreSQL创建MongoDB副本的教程
我有一个偷懒的想法。这个好点子该如何开始呢？好吧，这是一个恰如其分的小疯狂：为什么不直接在Postgres的基础上建立我们自己的MongoDB版本呢？这听起来有点牵强附会，但却简单而实在。
当NoSQL运动风生水起的时候，Postgres社区没有干坐着摆弄他们的大拇指。他们持续开发，贯穿整个Postgres的生态系统，几个突出的功能吸引了我的眼球：整合JSON支持和PLV8。PLV8把V8 Javascript引擎引入到Postgres，他让Javascript成为一个第一类别的语言（first-class language）。拥有JSON类型让它能更容易地处理JSON（这很有效）。
开始前需要做的准备:
- Postgres 9.2+ (as of this blog entry, 9.2 is in beta) - http://www.postgresql.org/ftp/source/
- V8 - https://github.com/v8/v8
- PLV8 - http://code.google.com/p/plv8js/wiki/PLV8
MongoDB的最低级别是集合. 集合可以用表来表示:
CREATE TABLE some_collection ( some_collection_id SERIAL NOT NULL PRIMARY KEY, data JSON );
字符型的JSON 被保存在 Postgres 表里，简单易行 (现在看是这样).
下面实现自动创建集合. 保存在集合表里:
CREATE TABLE collection ( collection_id SERIAL NOT NULL PRIMARY KEY, name VARCHAR ); -- make sure the name is unique CREATE UNIQUE INDEX idx_collection_constraint ON collection (name);
一旦表建好了，就可以通过存储过程自动创建集合. 方法就是先建表，然后插入建表序列.
CREATE OR REPLACE FUNCTION create_collection(collection varchar) RETURNS
boolean AS $$
var plan1 = plv8.prepare('INSERT INTO collection (name) VALUES ($1)', [ 'varchar' ]);
var plan2 = plv8.prepare('CREATE TABLE col_' + collection +
' (col_' + collection + '_id INT NOT NULL PRIMARY KEY, data JSON)');
var plan3 = plv8.prepare('CREATE SEQUENCE seq_col_' + collection);
var ret;
try {
plv8.subtransaction(function () {
plan1.execute([ collection ]);
plan2.execute([ ]);
plan3.execute([ ]);
ret = true;
});
} catch (err) {
ret = false;
}
plan1.free();
plan2.free();
plan3.free();
return ret;
$$ LANGUAGE plv8 IMMUTABLE STRICT;
有了存储过程，就方便多了:
SELECT create_collection('my_collection');
解决了集合存储的问题，下面看看MongoDB数据解析. MongoDB 通过点式注解方法操作完成这一动作:
CREATE OR REPLACE FUNCTION find_in_obj(data json, key varchar) RETURNS
VARCHAR AS $$
var obj = JSON.parse(data);
var parts = key.split('.');
var part = parts.shift();
while (part && (obj = obj[part]) !== undefined) {
part = parts.shift();
}
// this will either be the value, or undefined
return obj;
$$ LANGUAGE plv8 STRICT;
上述功能返回VARCHAR,并不适用所有情形，但对于字符串的比较很有用:
SELECT data FROM col_my_collection WHERE find_in_obj(data, 'some.element') = 'something cool'
除了字符串的比较, MongoDB还提供了数字类型的比较并提供关键字exists . 下面是find_in_obj() 方法的不同实现:
CREATE OR REPLACE FUNCTION find_in_obj_int(data json, key varchar) RETURNS
INT AS $$
var obj = JSON.parse(data);
var parts = key.split('.');
var part = parts.shift();
while (part && (obj = obj[part]) !== undefined) {
part = parts.shift();
}
return Number(obj);
$$ LANGUAGE plv8 STRICT;
CREATE OR REPLACE FUNCTION find_in_obj_exists(data json, key varchar) RETURNS
BOOLEAN AS $$
var obj = JSON.parse(data);
var parts = key.split('.');
var part = parts.shift();
while (part && (obj = obj[part]) !== undefined) {
part = parts.shift();
}
return (obj === undefined ? 'f' : 't');
$$ LANGUAGE plv8 STRICT;
接下来是数据查询. 通过现有的材料来实现 find() 方法.
保存数据到集合中很简单。首先，我们需要检查JSON对象并寻找一个_id值。这部分代码是原生的假设，如果_id已存在这意味着一个更新，否则就意味着一个插入。请注意，我们目前还没有创建objectID，只使用了一个序列待其发生：
CREATE OR REPLACE FUNCTION save(collection varchar, data json) RETURNS
BOOLEAN AS $$
var obj = JSON.parse(data);
var id = obj._id;
// if there is no id, naively assume an insert
if (id === undefined) {
// get the next value from the sequence for the ID
var seq = plv8.prepare("SELECT nextval('seq_col_" +
collection + "') AS id");
var rows = seq.execute([ ]);
id = rows[0].id;
obj._id = id;
seq.free();
var insert = plv8.prepare("INSERT INTO col_" + collection +
" (col_" + collection + "_id, data) VALUES ($1, $2)",
[ 'int', 'json']);
insert.execute([ id, JSON.stringify(obj) ]);
insert.free();
} else {
var update = plv8.prepare("UPDATE col_" + collection +
" SET data = $1 WHERE col_" + collection + "_id = $2",
[ 'json', 'int' ]);
update.execute([ data, id ]);
}
return true;
$$ LANGUAGE plv8 IMMUTABLE STRICT;
基于这个观点，我们可以构建一些插入的简单文档：
{
"name": "Jane Doe",
"address": {
"street": "123 Fake Street",
"city": "Portland",
"state": "OR"
},
"age": 33
}
{
"name": "Sarah Smith",
"address": {
"street": "456 Real Ave",
"city": "Seattle",
"state": "WA"
}
}
{
"name": "James Jones",
"address": {
"street": "789 Infinity Way",
"city": "Oakland",
"state": "CA"
},
"age": 23
}
让我们创建一个集合并插入一些数据：
work=# SELECT create_collection('data');
create_collection
-------------------
t
(1 row)
work=# SELECT save('data', '{ our object }');
save
------
t
(1 row)
你可以通过检查“col_data”表的内容来查看对象。
其它翻译版本(1)
现在我们已经有了一些数据，让我们再查询一下。假设我们想查找住在俄勒冈或华盛顿州年龄大于30的所有人，使用一个MongoDB风格的find()：
{
"$or": [
{
"address.state": "OR"
},
{
"address.state": "WA"
}
],
"age": {
"$gt": 30
}
}
因为上次我们已经创建了一些深度的包检测，现在就很容易创建查询并返回Jane Doe：
SELECT data
FROM col_data
WHERE find_in_obj_int(data, 'age') > 30
AND (
find_in_obj(data, 'address.state') = 'OR'
OR
find_in_obj(data, 'address.state') = 'WA'
)
我采用了写一个递归调用函数来建立WHERE子句的方法。它有点长，所以我没有把它贴在这里而是放在GitHub上。一旦find()存储过程被创建，我们就可以在查询中使用它。我们应该能够看到Jane Doe被返回：
work=# SELECT find('data', '{ "$or": [ { "address.state": "OR" }, { "address.state": "WA" } ], "age": { "$gt": 30 } }');
这样奏效：它不优雅，但它奏效。这是一个概念的证明，而且几乎没有像它一样好的可能。我之前曾被问过为什么不使用HSTORE。虽然你可以存储嵌套的HSTORE和数组值，但它仍不是JSON，并且不容易通过PLV8操作。这将需要一个从HSTORE到JSON的序列器，这个序列器在任何时间将请求的返回序列化成MongoDB接受的数据形式，但依旧太容易在JavaScript中处理。这是次优选择，毕竟我们是要在Postgres的基础上创建一个MongoDB的副本。
源码可以在GitHub上找到：fork并尝试一下吧，记得回馈哦。
本文地址：http://www.45fan.com/a/question/12898.html