• 武装你的WEBAPI-OData聚合查询


    本文属于OData系列

    Introduction

    ODATA v4提出了新的聚合查询功能,这对于ODATA的基本查询能力($expand等)是一个非常大的补充。ODATA支持的聚合查询功能,可以对数据进行统计分析,例如求和、平均值、最大/最小值、分组等。

    聚合查询是通过$apply关键字实现的。使用$apply关键字可以指定一系列的聚合操作,以对数据进行处理。

    GET /odata/Products?$apply=groupby((Category), aggregate(Price with sum as TotalSales))
    

    该请求将返回按照产品类别(Category)分组的数据,并计算每个组的销售总额(TotalSales)。

    需要注意,聚合查询出来的结果一般都不在EDM中注册,因此无法对结果应用更多ODATA查询,如果想解锁这个能力,请手动在EDM中注册这个类型。

    聚合查询示例

    ODATA的强大之处在于可以赋予前端更多的自主权,让他们自己获得自己需要的数据,通过聚合查询,我们可以实现非常多复杂的、以前只能在后端单独实现的查询。举例说明,我们有以下三个实体类。

    public class AttachDeviceType
        {
            /// 
            /// 
            /// 
            [Key, DatabaseGenerated(DatabaseGeneratedOption.Identity)]
            public int Id { get; set; }
            /// 
            /// 附加设备的类型
            /// 
            public string Name { get; set; }
            /// 
            /// 描述
            /// 
            public string Description { get; set; }
        }
    
       public abstract class AttachDeviceInfo
        {
            /// 
            /// 
            /// 
            [Key, DatabaseGenerated(DatabaseGeneratedOption.Identity)]
            public int Id { get; set; }
            [Required]
            public string AttachDeviceId { get; set; }
            public string Name { get; set; }
            /// 
            /// 附加设备的类型
            /// 
            public virtual AttachDeviceType AttachDeviceType { get; set; }
            public string? Description { get; set; }
    
            public virtual DeviceInfo DeviceInfo { get; set; }
        }
    
       public class DeviceInfo
        {
            /// 
            /// 
            /// 
            [Key]
            [MaxLength(200)]
            public string DeviceId { get; set; }
            /// 
            /// 地域位置的代码
            /// 
            public int? Adcode { get; set; }
    
            public virtual ICollection AttachDevices { get; set; }
        }
    

    以上三个类定义了主设备、附加设备与从属设备的类型,三者之间通过导航属性进行连接。假定我们需要按照地域位置代码进行分组查询,查询出每个地域的所有主设备的、附加设备的和不同的类型的数量。

    /odata/DeviceInfos?$apply=groupby((Adcode), aggregate(AttachDevices/$count as NumAttachDevices, $count as NumDeviceInfos, AttachDevices/AttachDeviceType/$countdistinct as NumAttachDeviceTypes))
    

    或者我们使用以attachdevice作为目标

    /odata/AttachDeviceInfo?$apply=groupby((DeviceInfo/Adcode), aggregate(
            $count as TotalDeviceInfo,
            attachdevices/$count as TotalAttachDevices,
            AttachDeviceType/$countdistinct as TotalAttachDeviceTypes))
    
    

    思路没有问题,但是实际执行会提示$count不是可用的aggregatebinder之类的错误(Binding OData QueryNode of kind 'Count' is not supported by 'AggregationBinder'.)。这是因为$count已经是OData进行查询得到的结果,这个结果不能在进行的聚合查询了。

    换一个思路,我们使用每一个实体对象的属性作为统计对象。

    odata/attachdeviceinfos?$apply=groupby((deviceinfo/Adcode), aggregate($count as NumAttachDevices, deviceinfo/deviceid with countdistinct as NumDevices, attachdevicetype/id with countdistinct as NumTypes))
    

    那么就可以得到正确的结果:

    [
    
        {
    
            "deviceInfo": {
    
                "adcode": 110105
    
            },
    
            "NumTypes": 1,
    
            "NumDevices": 1,
    
            "NumAttachDevices": 2
    
        },
    
        {
    
            "deviceInfo": {
    
                "adcode": 110108
    
            },
    
            "NumTypes": 1,
    
            "NumDevices": 1,
    
            "NumAttachDevices": 1
    
        }
    ]
    

    当然,我们还可以组合使用filter查询:

    /odata/attachdeviceinfos?$apply=filter(deviceinfo/Adcode eq 110105)/groupby((deviceinfo/Adcode), aggregate($count as NumAttachDevices, deviceinfo/deviceid with countdistinct as NumDevices, attachdevicetype/id with countdistinct as NumTypes))
    

    注意:在AXIOS中,前端发送如/之类的特殊字符会自动进行转义,导致查询请求失败,请前端搜索禁止AXIOS自动转义的方法,以保证发送的请求同POSTMAN发送的请求一致。
    更新:经过调查,默认的空格-》+,/-》%2f等转义不会影响到OData的正常识别,正常使用即可。

    总结

    使用聚合查询可以方便将原来需要后端单独编程的分类、统计等操作简化,给予了前端非常大的自由度,同时减少了后端的接口数量。需要注意的是,很多操作在聚合查询中语法可能有一些变化,请一定参阅ODATA的OASIS标准的文档

  • 相关阅读:
    PHP生成pdf格式准考证带照片完整示范
    Linux gcc day7
    基于强化学习的自动驾驶决策研究综述
    Java文件目录相关操作
    modernC++手撸任意层神经网络22前向传播反向传播&梯度下降等23代码补全的例子0901b
    舵机应该如果选择?讲讲模拟舵机,数字舵机和总线舵机的区别
    BIO、NIO、AIO、Netty面试题(总结最全面的面试题!!!)
    【Qt图形视图框架】QGraphicsScene分析
    Pointnet++改进即插即用系列:全网首发Star_Block星型操作 |即插即用,提升特征提取模块性能
    MySQL-数据库的设计范式
  • 原文地址:https://www.cnblogs.com/podolski/p/17261079.html