野狗 Sync 分析2 - 数据排序

本文介绍了WilddogSync中的数据排序方法,包括orderByChild、orderByKey、orderByValue及orderByPriority,并通过实例演示了每种排序方式的具体效果。

数据排序分析

接着上一篇来讲,我们获取数据往往是对数据有排序要求的,那么在 Wilddog Sync 中怎样实现排序的需求的?


排序方式

野狗提供了四种排序方式:

orderByChild(value)

orderByKey()

orderByValue()

orderByPriority()

我们使用代码测试一下这四种排序方式不同之处。

首先我们要构造一个无序的列表,使用Random随机模拟一个列表就可以了,生成代码如下:

        //定义随机姓名列表
        private List<String> nameLst=new ArrayList<>();
        nameLst.add("Ann");
        ...
        Random random=new Random(System.currentTimeMillis());
        for (int i=0;i<=5;i++){
            int nextInt = random.nextInt(1000);
            Map<String,Object> map=new ArrayMap<>();
            map.put("name",nameLst.get(random.nextInt(24)));
            map.put("age", random.nextInt(100));
            reference.child("orderTest").child(String.valueOf(nextInt))
                     .setValue(map,random.nextInt(100));
        }

注意这一句 ,我们使用了 setValue(map,priority) 方法为节点设置了优先级。

reference.child().setValue(map,random.nextInt(100));

运行之后生成的数据结构如下:

"orderTest":{
    {
      "159": {
        "age": 28,
        "name": "Hanna"
      },
      "50": {
        "age": 17,
        "name": "Nauti"
      },
      "659": {
        "age": 20,
        "name": "Ted"
      },
      "711": {
        "age": 7,
        "name": "Google"
      },
      "849": {
        "age": 79,
        "name": "Oppo"
      },
      "951": {
        "age": 54,
        "name": "David"
      }
    }
}

接下来我们分别设置四种监听并打印日志,代码如下:

//orderByChild使用name字段排序
reference.child("orderTest").orderByChild("name").addChildEventListener(//...);
//orderByChild使用age字段排序
reference.child("orderTest").orderByChild("age").addChildEventListener(//...);
//orderByKey
reference.child("orderTest").orderByKey().addChildEventListener(//...);
//orderByValue
reference.child("orderTest").orderByValue().addChildEventListener(//...);
//orderByPriority
reference.child("orderTest").orderByPriority().addChildEventListener(//...);

排序结果:

E/orderByChild : onChildAdded:DataSnapshot { key = 951, value = {.priority=83.0, name=David, age=54} }
E/orderByChild : onChildAdded:DataSnapshot { key = 711, value = {.priority=14.0, name=Google, age=7} }
E/orderByChild : onChildAdded:DataSnapshot { key = 159, value = {.priority=93.0, name=Hanna, age=28} }
E/orderByChild : onChildAdded:DataSnapshot { key = 50, value = {.priority=89.0, name=Nauti, age=17} }
E/orderByChild : onChildAdded:DataSnapshot { key = 849, value = {.priority=41.0, name=Oppo, age=79} }
E/orderByChild : onChildAdded:DataSnapshot { key = 659, value = {.priority=83.0, name=Ted, age=20} }

E/orderByChild : onChildAdded:DataSnapshot { key = 711, value = {.priority=14.0, name=Google, age=7} }
E/orderByChild : onChildAdded:DataSnapshot { key = 50, value = {.priority=89.0, name=Nauti, age=17} }
E/orderByChild : onChildAdded:DataSnapshot { key = 659, value = {.priority=83.0, name=Ted, age=20} }
E/orderByChild : onChildAdded:DataSnapshot { key = 159, value = {.priority=93.0, name=Hanna, age=28} }
E/orderByChild : onChildAdded:DataSnapshot { key = 951, value = {.priority=83.0, name=David, age=54} }
E/orderByChild : onChildAdded:DataSnapshot { key = 849, value = {.priority=41.0, name=Oppo, age=79} }

E/orderByKey : onChildAdded:DataSnapshot { key = 50, value = {.priority=89.0, name=Nauti, age=17} }
E/orderByKey : onChildAdded:DataSnapshot { key = 159, value = {.priority=93.0, name=Hanna, age=28} }
E/orderByKey : onChildAdded:DataSnapshot { key = 659, value = {.priority=83.0, name=Ted, age=20} }
E/orderByKey : onChildAdded:DataSnapshot { key = 711, value = {.priority=14.0, name=Google, age=7} }
E/orderByKey : onChildAdded:DataSnapshot { key = 849, value = {.priority=41.0, name=Oppo, age=79} }
E/orderByKey : onChildAdded:DataSnapshot { key = 951, value = {.priority=83.0, name=David, age=54} }

E/orderByValue : onChildAdded:DataSnapshot { key = 50, value = {.priority=89.0, name=Nauti, age=17} }
E/orderByValue : onChildAdded:DataSnapshot { key = 159, value = {.priority=93.0, name=Hanna, age=28} }
E/orderByValue : onChildAdded:DataSnapshot { key = 659, value = {.priority=83.0, name=Ted, age=20} }
E/orderByValue : onChildAdded:DataSnapshot { key = 711, value = {.priority=14.0, name=Google, age=7} }
E/orderByValue : onChildAdded:DataSnapshot { key = 849, value = {.priority=41.0, name=Oppo, age=79} }
E/orderByValue : onChildAdded:DataSnapshot { key = 951, value = {.priority=83.0, name=David, age=54} }

E/orderByPriority : onChildAdded:DataSnapshot { key = 711, value = {.priority=14.0, name=Google, age=7} }
E/orderByPriority : onChildAdded:DataSnapshot { key = 849, value = {.priority=41.0, name=Oppo, age=79} }
E/orderByPriority : onChildAdded:DataSnapshot { key = 659, value = {.priority=83.0, name=Ted, age=20} }
E/orderByPriority : onChildAdded:DataSnapshot { key = 951, value = {.priority=83.0, name=David, age=54} }
E/orderByPriority : onChildAdded:DataSnapshot { key = 50, value = {.priority=89.0, name=Nauti, age=17} }
E/orderByPriority : onChildAdded:DataSnapshot { key = 159, value = {.priority=93.0, name=Hanna, age=28} }

总结:

1/可以很明显的看出排序的规则:

排序方法排序规则
orderByChild以传入的节点名称作为排序字段进行排序,如”name” 和 “age”字段
orderByKey是以节点key值作为排序字段进行排序
orderByValue无法直观得出排序依据,其实是通过计算对象的Hash值作为排序依据
orderByPriority设置的节点优先级

应用实践

通过以上实验我们了解了排序的规则和排序的依据。

语义分析

分析一下每一个方法的语义:

1/orderByChild
orderByChild的 Child 指的是对子节点数据 value 的某一个字段进行排序。
2/ orderByKey
orderByKey 是对子节点 key 进行排序。
3/orderByValue
分为两种情况,如果 value 是可排序的,例如 int/double 等值类型则会按值排序,Char 和 String 按字典顺序排序。
注意一点字符串的排序顺序,例如数据为:

{
  "test1": "abcd",
  "test2": "Abcd",
  "test3": "bbcd",
  "test4": "Bbcd",
  "test5": "aBcd",
  "test6": "ABcd",
  "test7": "bBcd",
  "test8": "BBcd"
}

排序结果是:

E/value: onChildAdded:DataSnapshot { key = test6, value = ABcd }
E/value: onChildAdded:DataSnapshot { key = test2, value = Abcd }
E/value: onChildAdded:DataSnapshot { key = test8, value = BBcd }
E/value: onChildAdded:DataSnapshot { key = test4, value = Bbcd }
E/value: onChildAdded:DataSnapshot { key = test5, value = aBcd }
E/value: onChildAdded:DataSnapshot { key = test1, value = abcd }
E/value: onChildAdded:DataSnapshot { key = test7, value = bBcd }
E/value: onChildAdded:DataSnapshot { key = test3, value = bbcd }

看到了吧,和你预想的结果是否一致呢,在使用的时候要注意到字符串排序的顺序性。

第二种情况下如果value是一个对象,则将其做哈希运算,然后使用哈希值排序,当然这种排序通常来说是无意义的,实践中这种情况不要使用orderByValue。
4/orderByPriority
orderByPriority是对我们 setValue() 时添加的Priority进行排序,如果没有添加Priority,则不会排序。

返回的结果是升序的

注意到,所有返回的数据都是升序(ASC)的,如果想使用降序(DESC)需要自己对返回的数据进行降序处理。

只能设置一次排序操作

在使用SQL时,我们有时会对多个字段进行排序。

SELECT * FROM table1 ORDER BY field1,field2 ASC

但是在Wilddog Sync 中并不支持多字段排序,那我们如果同时为一个路径下的数据设置两次OrderBy监听会怎样呢?

reference.child("orderTest").orderByChild("name").orderByPriority().addChildEventListener(

对不起,不支持这样的方式,每次只能使用一种排序方式。

java.lang.IllegalArgumentException: You can't combine multiple orderBy calls!

经常排序使用规则表达式建立索引

如果需要经常对数据进行排序查询,而数据量也很大的情况下,这时就建议使用规则表达式 建立索引的方式。这样可以降低资源消耗,同时提升查询效率。

什么是规则表达式?以后再讲,知道有这个神奇的东西就可以了。

我们现在已经研究了如何获取数据,如何对数据进行排序,下一篇我会分析一下如何使用数据筛选功能过滤掉不需要的数据。

【语音分离】基于平均谐波结构建模的无监督单声道音乐声源分离(Matlab代码实现)内容概要:本文介绍了基于平均谐波结构建模的无监督单声道音乐声源分离方法,并提供了相应的Matlab代码实现。该方法通过对音乐信号中的谐波结构进行建模,利用音源间的频率特征差异,实现对混合音频中不同乐器或人声成分的有效分离。整个过程无需标注数据,属于无监督学习范畴,适用于单通道录音场景下的语音与音乐分离任务。文中强调了算法的可复现性,并附带完整的仿真资源链接,便于读者学习与验证。; 适合人群:具备一定信号处理基础和Matlab编程能力的高校学生、科研人员及从事音频处理、语音识别等相关领域的工程师;尤其适合希望深入理解声源分离原理并进行算法仿真实践的研究者。; 使用场景及目标:①用于音乐音频中人声与伴奏的分离,或不同乐器之间的分离;②支持无监督条件下的语音处理研究,推动盲源分离技术的发展;③作为学术论文复现、课程项目开发或科研原型验证的技术参考。; 阅读建议:建议读者结合提供的Matlab代码与网盘资料同步运行调试,重点关注谐波建模与频谱分解的实现细节,同时可扩展学习盲源分离中的其他方法如独立成分分析(ICA)或非负矩阵分解(NMF),以加深对音频信号分离机制的理解。
内容概要:本文系统介绍了新能源汽车领域智能底盘技术的发展背景、演进历程、核心技术架构及创新形态。文章指出智能底盘作为智能汽车的核心执行层,通过线控化(X-By-Wire)和域控化实现驱动、制动、转向、悬架的精准主动控制,支撑高阶智能驾驶落地。技术发展历经机械、机电混合到智能三个阶段,当前以线控转向、线控制动、域控制器等为核心,并辅以传感器、车规级芯片、功能安全等配套技术。文中还重点探讨了“智能滑板底盘”这一创新形态,强调其高度集成化、模块化优势及其在成本、灵活性、空间利用等方面的潜力。最后通过“2025智能底盘先锋计划”的实车测试案例,展示了智能底盘在真实场景中的安全与性能表现,推动技术从研发走向市场验证。; 适合人群:汽车电子工程师、智能汽车研发人员、新能源汽车领域技术人员及对智能底盘技术感兴趣的从业者;具备一定汽车工程或控制系统基础知识的专业人士。; 使用场景及目标:①深入了解智能底盘的技术演进路径与系统架构;②掌握线控技术、域控制器、滑板底盘等关键技术原理与应用场景;③为智能汽车底盘研发、系统集成与技术创新提供理论支持与实践参考。; 阅读建议:建议结合实际车型和技术标准进行延伸学习,关注政策导向与行业测试动态,注重理论与实车验证相结合,全面理解智能底盘从技术构想到商业化落地的全过程。
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值和学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真与复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模与风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现与算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码与案例进行实践操作,重点关注双层优化结构与场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值