mybaties 一对多关系映射
背景:
数据库格式如下图所示
现在要统计出在一段时间内dimension_type为op即所有运营商的pv、uv、vv等指标的数组,以便页面显示出每个运营商在该事件段内历史指标曲线图。
分析:
返回的结果格式为:"data": [
{
"name": "电信",
"data": [
{
"x": "20170803",
"y": 2
},
{
"x": "20170804",
"y": 1
}
]
},
{
"name": "移动"
"data": [
{
"x": "20170806",
"y": 99
},
{
"x": "20170807",
"y": 1
}
]
},
{
"name": "联通",
"data": [
{
"x": "20170804",
"y": 10
},
{
"x": "20170805",
"y": 2
}
]
}
]
很明显,返回结果是一个name对应多个data中数据的一对多关系。
实现:
首先,构造返回结果对应的java对象DataSeries
public class DataSeries {
private String name;
private List<LineDataVo> data;
public DataSeries(){
}
public DataSeries(String name, List<LineDataVo> data){
this.name = name;
this.data = data;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public List<LineDataVo> getData() {
return data;
}
public void setData(List<LineDataVo> data) {
this.data = data;
}
@Override
public String toString() {
return "Series [name=" + name + ", data=" + data + "]";
}
}
LineDataVo为
public class LineDataVo {
private String x;
private int y;
public LineDataVo(){
}
public LineDataVo(String x, int y){
this.x = x;
this.y = y;
}
public String getX() {
return x;
}
public void setX(String x) {
this.x = x;
}
public int getY() {
return y;
}
public void setY(int y) {
this.y = y;
}
@Override
public String toString() {
return "LineDataVo [x=" + x + ", y=" + y + "]";
}
}
对应的mapper文件为:
public interface DimStatisticResultMapper {
List<DataSeries> findOperatorFieldTrendDatas(@Param("value")String value, @Param("dimensionType")String dimensionType,
@Param("timeType")String timeType, @Param("startTime")int startTime,
@Param("endTime")int endTime)throws DataAccessException;
}
其中value为要查询的参数,即pv或者vv,或者uv,timeType为统计时间的类型,以天、周或者月为单位
对应的xml文件为:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="com.test.dao.DimStatisticResultMapper">
<resultMap id="BaseResultMap" type="com.test.po.DimStatisticResult">
<id column="id" jdbcType="INTEGER" property="id" />
<result column="app_id" jdbcType="VARCHAR" property="appId" />
<result column="cache_key" jdbcType="VARCHAR" property="cacheKey" />
<result column="dimension_type" jdbcType="VARCHAR" property="dimensionType" />
<result column="dimension_value" jdbcType="VARCHAR" property="dimensionValue" />
<result column="time_type" jdbcType="VARCHAR" property="timeType" />
<result column="time_value" jdbcType="INTEGER" property="timeValue" />
<result column="pv" jdbcType="INTEGER" property="pv" />
<result column="uv" jdbcType="INTEGER" property="uv" />
<result column="vv" jdbcType="INTEGER" property="vv" />
<result column="ipv" jdbcType="INTEGER" property="ipv" />
<result column="total_delay" jdbcType="INTEGER" property="totalDelay" />
<result column="total_stay" jdbcType="INTEGER" property="totalStay" />
<result column="bounce_times" jdbcType="INTEGER" property="bounceTimes" />
<result column="created_date" jdbcType="TIMESTAMP" property="createdDate" />
<result column="modified_date" jdbcType="TIMESTAMP" property="modifiedDate" />
</resultMap>
<resultMap id="lineDataVoMap" type="com.test.vo.LineDataVo">
<result column="x" property="x" />
<result column="y" property="y" />
</resultMap> <resultMap id="DataSeriesMap" type="com.test.vo.DataSeries">
<result column="dimensionValue" property="name" />
<collection property="data" javaType="ArrayList" column="{value=count,dimensionValue=dimensionValue}" ofType="com.test.vo.LineDataVo"
select="findOperatorFieldTrendData">
<result property="x" column="time_value"/>
<result property="y" column="count"/>
</collection>
</resultMap> <sql id="Base_Column_List">
id,app_id, cache_key,dimension_type,dimension_value,time_type,time_value, pv, uv,
vv, ipv, total_delay, total_stay, bounce_times, bounce_times, modified_date
</sql> <select id ="findOperatorFieldTrendData" resultMap = "LineDataVoMap">
select time_value, ${value} as count
from bd_dim_statistic_result where dimension_type="op"
and dimension_value=#{dimensionValue}
</select> <select id="findOperatorFieldTrendDatas" resultMap="DataSeriesMap" >
select dimension_value as dimensionValue,time_value ,#{value} as count,pv from bd_dim_statistic_result
where dimension_type = #{dimensionType} and time_value between #{startTime} and #{endTime} group by dimension_value
</select> </mapper>
mybaties 一对多关系映射的更多相关文章
- Mybatis框架中实现双向一对多关系映射
学习过Hibernate框架的伙伴们很容易就能简单的配置各种映射关系(Hibernate框架的映射关系在我的blogs中也有详细的讲解),但是在Mybatis框架中我们又如何去实现 一对多的关系映射呢 ...
- 菜鸟学习Hibernate——一对多关系映射
Hibernate中的关系映射,最常见的关系映射之一就是一对多关系映射例如学生与班级的关系,一个班级对应多个学生.如图: Hibernate中如何来映射这两个的关系呢? 下面就为大家讲解一下: 1.创 ...
- hibernate实体xml一对多关系映射
单向一对多关系映射: 一个房间对应多个使用者,也就是Room實例知道User實例的存在,而User實例則沒有意識到Room實例. 用户表: package onlyfun.caterpillar; p ...
- Hibernate 多表关联映射- 一对多关系映射(one-to-many)
Hibernage.cfg.xml: <hibernate-configuration> <session-factory name="sessionFactory&quo ...
- hibernate一对多关系映射(自身关联)
示例:一个类别(Category)下面有多个子类别,多个子类别属于同一个父类别. public class Category { private Integer id; private String ...
- hibernate学习(设计一对多 关系 映射)
1,配置文件: <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE hibernate-conf ...
- Hibernate自身一对多和多对多关系映射
一对多关系映射大家都明白,关系双方都一个含有对方多个引用,但自身一对多很多同学都不明白什么意思,那么首先我就说明一下什么是自身一对多,其实也很好理解,自身一对多就是自身含有本身的多个引用,例如新闻类别 ...
- JPA实体关系映射:@ManyToMany多对多关系、@OneToMany@ManyToOne一对多多对一关系和@OneToOne的深度实例解析
JPA实体关系映射:@ManyToMany多对多关系.@OneToMany@ManyToOne一对多多对一关系和@OneToOne的深度实例解析 今天程序中遇到的错误一 org.hibernate.A ...
- Mybatis关系映射
一.一对一关系映射 使用resultType+包装类实现 1.假设问题背景是要求在某一个购物平台的后台程序中添加一个这样的功能:查询某个订单的信息和下该订单的用户信息.首先我们可以知道,一般这样的平台 ...
随机推荐
- MesureDeviceWebServiceDAS
package com.accu.business.pms.webservice; import java.net.URL; import javax.xml.namespace.QName;impo ...
- 老齐python-基础2(字符串)
1.字符串 1.1索引和切片 索引: >>> lang = "study python" >>> lang[0] 's' >>> ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料(下)
转载:http://www.jianshu.com/p/b73b6953e849 该资源的github地址:Qix <Statistical foundations of machine lea ...
- 20165226 2017-2018-4 《Java程序设计》第9周学习总结
20165226 2017-2018-4 <Java程序设计>第9周学习总结 教材学习内容总结 第十二章 URL类 构造方法1 try { URL url = new URL(" ...
- 科普Spark,Spark是什么,如何使用Spark
科普Spark,Spark是什么,如何使用Spark 1.Spark基于什么算法的分布式计算(很简单) 2.Spark与MapReduce不同在什么地方 3.Spark为什么比Hadoop灵活 4.S ...
- SQL Server、Oracle和MySQL判断NULL的方法
SQL Server.Oracle和MySQL判断NULL的方法 本文讲述SQL Server.Oracle.MySQL查出值为NULL的替换. 在SQL Server Oracle MySQL当数据 ...
- 深入 innodb
深入innodbInnoDB表为IOT,采用了B+树类型,故每个页面至少要存储2行数据,如果行过大则会产生行溢出:理论上InnoDB表中varchar可存储65535字节,但对于InnoDB其实际上限 ...
- APP推送通知相关实现
关于推送通知,iOS推送主要是通过服务端来实现的,相关过程可以参考下面两篇文章: http://cshbbrain.iteye.com/blog/1859810 http://zxs198 ...
- 第一个Net+Mysql的例子,比想象的简单很多
1.window下安装mysql,比较简单,完全的图形化界面,不用看文档一路点击下来也ok,注意中间几个configtype选项就可以. 2.安装MySql Net的驱动程序程序,安装完后就是几个dl ...
- 基于七牛Python SDK写的一个同步脚本
需求背景 最近刚搭了个markdown静态博客,想把博客的图片放到云存储中. 经过调研觉得七牛可以满足我个人的需求,就选它了. 博客要引用图片就要先将图片上传到云上. 虽然七牛网站后台可以上传文件,但 ...