通过 CouchDB 和 Groovy 的 RESTClient 实现 REST

分享到

作者：Andrew Glover，发布于2013-4-3 来源：IBM

简介： 在过去数年中，开源世界的创新发展将 Java? 开发人员的生产力提升了一个层次。免费的工具、框架和解决方案弥补了曾经一度匮乏的空缺。其中，被一些人认为是 Web 2.0 数据库的 Apache CouchDB 是非常有潜力的。全面掌握 CouchDB 并不困难，使用它就像使用 Web 浏览器一样简单。本期 Java 开发 2.0 专栏将介绍 CouchDB 并向您展示如何发挥 Groovy 的 RESTClient 的强大功能

目前为止，本专栏系列已经探究了 Google 和 Amazon 平台中的云计算。虽然它们在实现和结构上存在不同，但两种平台都支持快速和可扩展的部署方式。它们可以快速经济地组装、测试、运行和维护 Java 应用程序，这无疑是前所未有的。但是，云并不是影响如今 Java 开发速度的唯一因素。开源解决方案还可以帮助您迅速组装软件应用程序，因为您不再需要编写大量代码。手动编写对象关系映射（ORM）、日志或测试框架的时代已经一去不复返。这些问题已经随时间逐渐得到了解决，然后又再次出现在了开源领域中 — 再次面临这些问题 — 但这些解决方案几乎始终要比您自己的好。

关于本系列

从 Java 技术首次亮相以来，Java 开发的格局已经发生了巨大的变化。得益于成熟的开源框架和可靠的租用式部署基础设施，现在已经可以迅速经济地装配、测试、运行和维护 Java 应用程序了。在本系列中，Andrew Glover 将探索使这种全新开发范例成为可能的各种技术和工具。

在 Java 开发的整个过程中，开源创新简化了应用程序的装配过程。全新的开源数据库 Apache CouchDB（截至撰写本文时的发行版为 0.10.0）也不例外。搭建好 CouchDB 环境之后可以轻松地使用它。您只需要操作它的 HTTP 连接即可；既不需要 JDBC 驱动程序，也不需要第三方控制管理平台。在本文中，我将向您介绍 CouchDB 并展示如何使用它提升开发速度。考虑到安装的简便性，您将使用 Amazon 的 EC2 平台。并且，您将通过一个方便易用的 Groovy 模块来与它通信。

面对文档的数据库

关系数据库基本上主导了数据库市场。但其他类似的数据库 — 包括面向对象和面向文档数据库，两者在面向关系的世界中极为不同 — 也不时发挥着举足轻重的作用。CouchDB 是一种面向文档的数据库。它是无模式的，并且允许您以 JavaScript Object Notation (JSON) 字符串的形式来存储文档。

JSON

JSON 是一种轻量级的数据交换格式，同时也是 Web 应用程序的替代格式。它类似于 XML，但远没有它那么详细。得益于其轻量级特性，它正成为 Web 的通用语。参见参考资料，获取关于 JSON 的更多信息。

试想一个违规停车罚单。该罚单将涵盖以下项目：

违规的日期
时间
位置
车辆的描述
牌照信息
违规情况

罚单上收集的格式和数据因管辖权而异。即使对于单一管辖权限内的标准停车罚单来说，它们的内容也很有可能存在不同。举例来说，警官在开罚单时可以不填写时间，或者可以省略车型，而只填写牌照的详细信息。地点可以是两条街道的组合（比如 Fourth 和 Lexington 的交汇处），或者是某个固定地址（比如说 19993 Main Street）。但所采集信息的语义大抵相似。

罚单的数据点可以在关系数据库中建模，但详细信息却有点麻烦。举例来说，如何有效在关系数据库中捕获某个交汇点呢？并且在没有街道交汇的情况下，数据库是否会使用空字段来表示第二个地址呢（假定建模方式为在各列中捕获不同的街道名）？

在这些情况下，关系数据库的抽象化程度可能会稍高一些。所需的信息已经采用了文档（罚单）的形式。为什么不将数据建模为文档呢？这样可以不用死守严格的关系模式，而只需要大致遵循高级模式的语义。这正是 CouchDB 的用武之地。它允许您以灵活的方式来对这些域类型进行建模 — 成果是一个完备的文档，它没有模式，而是使用与其他文档大致相似的蓝图。

MapReduce

Google 独创的 MapReduce 是一个用于处理海量数据集的概念框架（参见参考资料）。它是一种高度优化的应用大量计算机的分布式问题解决机制。MapReduce 包含两个函数：map 和 reduce。map 函数用于接受大量输入，并将它们分割为较小的部分（同时将这些数据传递给其他进程）。reduce 函数的作用是将来自 map 的所有单独输出整合为一个最终的输出。

借助 CouchDB，您可以搜索文档、文档属性甚至在关系世界中关联文档。您的实现方式是使用视图，而不是 SQL。从本质上说，视图是您采用 MapReduce 样式（在 JavaScript 中）编写的函数；也就是说，您最终只需要编写一个 map 函数和一个 reduce 函数。这些函数将共同过滤或提取文档数据，或者有效利用它们之间的关系。事实上，CouchDB 具备足够的灵活性，只要底层文档没有发生发化，它就只需要运行这些函数一次，从而加快视图处理过程。

CouchDB 最有意思的地方是它的设计方式。CouchDB 体现了 Web 本身的基本（也是极为成功的）概念。它公开了一组全面的 REST 式 API，允许创建、查询、更新和删除文档、视图和数据库。这使得 CouchDB 的使用变得非常简单。您不需要借助其他驱动程序或平台来开始开发：一个浏览器便能完成所有工作。也就是说，丰富的库使 CouchDB 的使用变得非常简单 — 但从内部来看，它们仅仅是通过 HTTP 来利用 REST 式概念。

与 Web 的本质特性相类似，CouchDB 在设计时融入了大量可扩展因素。它是使用并发编程语言 Erlang 编写的，它支持绑定分布式、容错、不间断应用程序（参见参考资料）。该语言（现已开源可用）是由 Ericsson 开发的，并在电信环境中得到了广泛应用。

安装 CouchDB，云风格

CouchDB 的安装方法因操作系统而异。如果使用的是 Windows?，则需要安装 Microsoft C 编译器 Cygwin，以及其他一些依赖项。如果使用的是 Mac，则需要使用 Macports。但是，如果使用的是 Linux? 平台，比如说 Ubuntu，则安装方法就不是那么简单了。但并非所有人都安装了 Ubuntu 实例吧。您是这样吗？

当然，您可以方便的获取一个 Ubuntu 实例！Amazon 的 EC2 是一种相对较为经济的、随需应变地使用 Ubuntu 的一种方法。因此，只需要施展少许 EC2 魔法，您就可以迅速搭建好 CouchDB 环境；完成后，您可以关闭它（可以这样说）。

首先，您需要找到一个充当基本实例的 EC2 AMI。我最终决定使用 AMI ami-ccf615a5（一个 Ubuntu 9.04 实例），它是截至撰写本文时的最新版本。（当您阅读本文时，很有可能已经出现了 9.10 版本的 AMI）。使用 Eclipse 或者 AWS Management Console 启动一个 ami-ccf615a5 实例。确保设置了允许通过 SSH 访问的安全策略。（虽然 CouchDB 使用 HTTP，但考虑到简单性，您将通过一个 SSH 通道来与它通信）。您还需要使用一个值对。（如果需要指导，请参见本系列的前两篇文章 “您也可以租用 EC2” 和 “使用方便的 EC2”。）

启动了 Ubuntu 9.04 的 EC2 实例之后，您需要为它设置 ssh。（记住，该实例大约要 1 分钟时间才能完全启动，因此请耐心等待。）举例来说，我可以打开一个终端并使用 ssh 设置新创建的实例，如下所示：

aglover#> ssh -i .ec2/agkey.pem root@ec2-174-129-157-167.compute-1.amazonaws.com

我的 AMI 的 DNS 名称是 ec2-174-129-157-167.compute-1.amazonaws.com，并且我引用的值对的名称是 agkey。您的 DNS 名称和值对肯定会不一样。

在云 Ubuntu 实例的命令提示中，输入：

apt-get update

然后输入：

aptitude install couchdb

这些命令会自动安装 CouchDB。但是，注意它们不会安装最新版本。如果需要最新版本，则需要通过源代码来安装 CouchDB（参见参考资料）。

命令执行结束后，您可以通过发出 ps -eaf 命令来检查 CouchDB 是否已经正常运行。通过将 ps 输出传递给 egrep，查看在路径中使用 couchdb 的进程。您应该能看到如清单 1 所示的输出：

清单 1. CouchDB 正在运行中（各行经过分段以适应页面宽度）

couchdb   1820     1  0 00:54 ?        00:00:00 /bin/sh -e /usr/bin/couchdb 
   -c /etc/couchdb/couch.ini -b -r 5 -p /var/run/couchdb.pid -o /
couchdb   1827  1820  0 00:54 ?        00:00:00 /bin/sh -e /usr/bin/couchdb 
   -c /etc/couchdb/couch.ini -b -r 5 -p /var/run/couchdb.pid -o /
couchdb   1828  1827  0 00:54 ?        00:00:00 /usr/lib/erlang/erts-5.6.5/bin/beam 
   -Bd -- -root /usr/lib/erlang -progname erl -- -home /v
couchdb   1836  1828  0 00:54 ?        00:00:00 heart -pid 1828 -ht 11

接下来，回到本地机器，设置一个 SSH 通道来允许访问在云上运行的 CouchDB 实例，就像是在自己的机器上一样。为此，在本地机器上打开一个新的终端会话，然后输入：

ssh -i your key -L 5498:localhost:5984 
                          root@your AMI DNS

最后，在本地机器上打开一个浏览器。在地址栏中，输入 http://127.0.0.1:5498/。您应该可以看到一个漂亮的 JSON 欢迎消息，如下所示：

{"couchdb":"Welcome","version":"0.8.0-incubating"}

现在，看上去一切运转正常，接下来可以开始应用 CouchDB 了。

采用 REST 风格使用 Groovy 的 RESTClient

REST

在表示状态传输（REST）设计风格中，松散耦合的 Web 应用程序将依赖于指定资源 — 比如采用统一资源定位符（URL）、统一资源标识符（URI）和统一资源名称（URN）的形式 — 而不是消息。REST 明智地采用了 Web 中经过验证并获得了成功的基础设施 — HTTP。也就是说，REST 将利用 HTTP 协议的各个方面，比如 GET 和 POST 请求。这些请求将很好地满足业务应用需求，比如创建、读取、更新和删除（CRUD）。

由于 CouchDB 通过以上 REST 式 HTTP 接口来公开数据，因此使用 CouchDB（您已经在浏览器中见识一二）是相当简单的。几乎所有工作都可以通过 HTTP 来完成。

您可以选择各种工具来与 HTTP 进行交互。在使用 REST 式接口时，我比较偏爱 Groovy HTTPBuilder 的 RESTClient 扩展（参见参考资料）。HTTPBuilder — 针对 Apache Commons Project 的 HTTPClient 的包装器 — 在 HTTP POST、GET、PUT 和 DELETE 的语法中添加了一些 Groovy 因素。由于 HTTPBuilder 是使用 Groovy 创建的，因此编写利用 REST 式概念的脚本（比如与 CouchDB 通信）都简单得不能再简单了。

Grape 的进一步简化

为了与 Java 开发 2.0 的一般主题保持一致 — 快速、简便和免费（或便宜） — Groovy 的便捷的 Grape（Groovy Advanced Packaging Engine 或 Groovy Adaptable Packaging Engine）特性对于与 HTTPBuilder 这样的交互非常有用（参见参考资料）。Grape 是一种依赖项管理器，它允许 Groovy 脚本和类在运行时自动配置自己的特定依赖项。这简化了各种开源库的使用，因为您不需要下载各种 JAR 文件便可开始编写代码。举例来说，借助 Grape，您可以编写一个 Groovy 脚本来使用 HTTPBuilder，而不需要 HTTPBuilder 的 JAR。借助 Grape，可以在运行时或编译时下载它们（通过 Apache）。

您将通过注释和方法调用来利用 Grape。举例来说，您可以使用 @Grab 注释来修饰某个方法或类声明。在该注释中，您将主依赖项指定一些相关的元数据（借助 Ivy 的魔力，所有中间依赖项都可以悉数确定）。在运行时或编译时（无论孰前孰后），Grape 将下载这些依赖项并确保它们在您的类路径下。如果已经下载了依赖项（比如说从之前的运行中），则 Grape 仍然会确保类路径下包含适当的 JAR 文件。

通过 Groovy 简化 CouchDB 的 REST 风格

在可以在 CouchDB 中创建任意文档之前，您必须首先创建一个数据库。要创建一个停车罚单数据库，可以通过 HTTPBuilder 的域相关语言（DSL）使用其 RESTClient 来发出一个 HTTP PUT，如清单 2 所示。（本文示例中的所有 Groovy 代码都可以从下载小节获得。）

清单 2. 创建一个 CouchDB 数据库

import static groovyx.net.http.ContentType.JSON
import groovyx.net.http.RESTClient

@Grab(group='org.codehaus.groovy.modules.http-builder', module='http-builder', 
   version='0.5.0-RC2')
def getRESTClient(){
  return new RESTClient("http://localhost:5498/")
}

def client = getRESTClient()
def response = client.put(path: "parking_tickets",
        requestContentType: JSON, contentType: JSON)

assert response.data.ok == true : "response from server wasn't ok"

CouchCB 应该会返回应答 {"ok":true}。如清单 2 所示，在 HTTPBuilder 中可以轻松地解析 JSON 并确保 ok 元素的值确实为 true。

接下来，我们需要创建一些文档，以便与停车罚单的主题保持一致。要建立一个停车罚单模型，需要记住一些与罚单相关的方面。另外需要记住，由于它们是警官将填写的实际表单，因此一些字段可以不填或者采用预定义的模式 — 考虑交汇点与准确地点。

使用 HTTPBuilder，您可以通过 HTTP PUT 在 CouchDB 中创建一个文档（就像在清单 2 中创建数据库一样）。由于 CouchDB 将处理 JSON 文档，因此您必须遵循 JSON 的名称值格式。为此，在 Groovy 中创建一种类似于映射的数据结构（HTTPBuilder 会将其转换为有效的 JSON）。如清单 3 所示：

清单 3. 通过 RESTClient创建一个 CouchDB 文档

response = client.put(path: "parking_tickets/1234334325", contentType: JSON,
        requestContentType:  JSON,
        body: [officer: "Kristen Ree",
                location: "199 Baldwin Dr",
                vehicle_plate: "Maryland 77777",
                offense: "Parked in no parking zone",
                date: "2009/01/31"])

assert response.data.ok == true : "response from server wasn't ok"
assert response.data.id == "1234334325" : "the returned ID didn't match"

清单 3 完成了多项任务。首先，在为 CouchDB 文档发出 PUT 时，您必须分配一个 UUID。CouchDB 可以为您分配这些值，或者您也可以自已管理它们。在清单 3 中，我设定了一个值（1234334325）；随后，该 UUID 将附加到 URL。如果该 UUID 可用，则 CouchDB 会为它分配执行了 PUT 操作的文档。在 put 调用的 body 部分，注意为各名称指定相关值的方式，几乎与普通的映射无异。举例来说，指定警官的名称为 Kristen Ree，而罚单的地点是 199 Baldwin Dr。

清单 4 采用相同的技巧在 CouhDB 中创建了另外一个罚单：

清单 4. 另一个停车罚单

def id = new Date().time
response = client.put(path: "parking_tickets/${id}", contentType: JSON,
        requestContentType:  JSON,
        body: [officer: "Anthony Richards",
                location: "Walmart Parking lot",
                vehicle_plate: "Delaware 4433-OP",
                offense: "Parked in non-parking space",
                date: "2009/02/01"])


assert response.data.ok == true : "response from server wasn't ok"
assert response.data.id == "${id}" : "the returned ID didn't match"

每次通过 RESTClient 发出 PUT 时，我都断言 JSON 应答的 ok 值为 TURE，并且验证是否存在 id 值。注意在清单 4 中，我没有创建 UUID，而是使用了当前的时间 — 并不是非常简单的技巧，但我已经不再满足于使用简单的交汇点。

在 CouchDB 中成功创建了新文档之后，它会返回一个包含 UUID 和修订 ID 的 JSON。举例来说，该应答表示我在清单 4 中验证的 JSON：
{"ok":true,"id":"12339892938945","rev":"12351463"}

您的 id 和 rev 值肯定不一样。注意，我可以通过发出 response.data.id 这样的调用来捕获 id 值。

在 CouchDB 中，它将通过修订来跟踪文档，因此您可以返回之前的文档版本（通过修订 ID），这与 CVS 或 Subversion 中的方法极为类似。

CouchDB 中的视图

现在，我已经创建了一些停车罚单（或者，用 CouchDB 的术语来说是一些文档），接下来可以在 CouchDB 中创建一些视图了。记住，视图就是实际的 MapReduce 函数；因此，您必须定义它们。在许多情况下，您都不需要 reduce 函数；map 函数可以帮助您完成大多数任务。正如其名，它是任务的映射。举例来说，您可以映射希望过滤或查找的任何 “事物” 或方面。

我已经定义了两个罚单：一个由 Officer Ree 开示，而另一个是由 Officer Richards 发出的。举例来说，要查找 Officer Ree 开出的所有罚单，您可以编写一个 map 函数来过滤相应的 officer 属性。然后，您可以将结果传递给 CouchDB 的 emit 函数。

使用 CouchDB 的管理接口：Futon

您可以通过 CouchDB 的 REST 式 API 或通过 CouchDB 的管理接口 Futon 来定义视图。Futon 仅仅是一个 Web 应用程序，可以从 http://localhost:5498/_utils/ 下载它。立即访问该位置（假定您已经跟随我创建了数据库和一些文档），您应该能看到一个针对 parking_tickets 的简单接口，如图 1 所示：

图 1. Futon 接口

如果选择 parking_tickets 数据库，则随后可以在最右侧看到一个下拉列表（Select view:）。通过选择 Custom query...来定义一个自定义视图，如图所示：

图 2. Futon 的视图选择接口

现在，Futon 接口可允许您定义 map 函数和 reduce 函数。（您可能需要单击查看代码链接）。在 Map 文本框中，定义如清单 5 所示的简单映射：

清单 5. CouchDB 中的简单的 map 函数

function(doc) {
  if(doc.officer == "Kristen Ree"){
    emit(null, doc);
  }
}

如您所见，清单 5 中的 map 函数是使用 JavaScript 定义的。它的作用是通过文档的 officer 属性来过滤 CouchDB 数据库中的文档。特别需要说明的是，仅当警官的名称为 Kristen Ree 时，该函数才会传递一个文档给 emit。图 3 显示了在 Futon 中定义此函数的位置：

图 3. 创建一个 MapReduce 函数

接下来，您需要指定文档名称（输入 by_name）和视图名称（输入 officer_ree）。这些名称将作为建立 URL 以便稍后调用此视图的途径（该 URL 也就是 http://localhost:5498/parking_tickets/_view/by_name/officer_ree）。

现在，您可以通过 HTTPBuilder 来使用该视图：

清单 6. 调用您的新视图

response = client.get(path: "parking_tickets/_view/by_name/officer_ree", 
        contentType: JSON,  requestContentType:  JSON)

assert response.data.total_rows == 1

response.data.rows.each{
   assert it.value.officer == "Kristen Ree"
}

该视图将返回一个 JSON 应答，其中只包含一个文档：Officer Ree 于 1 月 31 日开出的罚单。通过解析相应的 JSON，清单 6 中的 response 对象将隐藏原始 HTTP 应答。您可以通过对 response 的 data 属性调用 toString 方法来查看原始 JSON 应答。原始应答将如清单 7 所示：

清单 7. 视图的原始结果

{"total_rows":1,"offset":0,"rows":[
  {"id":"1234334325","key":null,
   "value":{"_id":"1234334325","_rev":"4205717256","officer":"Kristen Ree",
       "location":"199 Baldwin Dr","vehicle_plate":"Maryland 77777",
       "offense":"Parked in no parking zone","date":"2009/01/31"}}]}

从返回的原始 JSON 文档中可以看出，HTTPBuilder 可以非常轻松地解析 JSON，因为它支持通过类似于对象图的机制来估计各种属性及其相应的值。

为便于演示，我将向数据库再添加一些文档。为了跟随示例，您应该使用代码下载完成相同的任务。

CouchDB 的 emit 函数将充当各种形式的组织器。如果未在 map 函数中添加限制（像我在清单 5 中做的那样），则 emit 的基本作用是对传入文档进行排序。举例来说，如果您希望按日期获取所有罚单（此处可看作 SQL 的 ORDER BY 语句），则可以按文档的 date 来执行 emit，如清单 8 所示：

清单 8. 一个比较简单的 map 函数

function(doc) {
  emit(doc.date, doc);
}

清单 9 向此视图发出了一个 HTTP GET（我已经指定 dates 作为设计文档名，by_date 作为视图名。）。

清单 9. 调用的另一个视图

response = client.get(path: "parking_tickets/_view/dates/by_date", contentType: JSON,
        requestContentType:  JSON)
assert response.data.total_rows == 4

清单中的查询将按日期顺序返回 parking_tickets 数据库中的所有文档。assert 语句仅验证 total_rows 属性是否等于 4。这是一个关键点。视图将返回一些结果以及少许元数据（比如说返回文档的数量）；因此，它将帮助在开始解析之前查看原始应答。清单 10 显示的原始结果：

清单 10. 按日期排序的原始 JSON 文档

{"total_rows":4,"offset":0,"rows":[
  {"id":"85d4dbf45747e45406e5695b4b5796fe","key":"2009/01/30",
   "value":
    {"_id":"85d4dbf45747e45406e5695b4b5796fe","_rev":"1318766781",
     "officer":"Anthony Richards",
     "location":"54th and Main","vehicle_plate":"Virginia FCD-4444",
     "offense":"Parked in no parking zone","date":"2009/01/30"}},
  {"id":"1234334325","key":"2009/01/31",
   "value":
    {"_id":"1234334325","_rev":"4205717256",
     "officer":"Kristen Ree",
     "location":"199 Baldwin Dr","vehicle_plate":"Maryland 77777",
     "offense":"Parked in no parking zone",
     "date":"2009/01/31"}},
  {"id":"12345","key":"2009/01/31",
   "value":
    {"_id":"12345","_rev":"1479261876",
     "officer":"Anthony Richards","location":"1893 Main St",
     "vehicle_plate":"Maryland 4433-OP",
     "offense":"Parked in no parking zone","date":"2009/01/31"}},
  {"id":"12339892938945","key":"2009/02/01",
   "value":
    {"_id":"12339892938945","_rev":"12351463","officer":"Anthony Richards",
     "location":"Walmart Parking lot","vehicle_plate":"Maine 4433-OP",
     "offense":"Parked in non-parking space",
    "date":"2009/02/01"}}]}

在定义这样的视图时，您可以随后向它传递一个值 — 也就是 emit 函数的初始值。举例来说，清单 8 中定义的视图主要用于按日期排序。如果希望按具体的日期，则将该日期传递给视图查询。举例来说，可以在浏览器的地址栏中输入以下 URL：

http://localhost:5498/parking_tickets/_view/dates/by_date?key="2009/01/31"

然后，这个视图只会返回 1 月 31 日发出的罚单。您应该可以在浏览器窗口中看到一些 JSON 样式的文本，它们与清单 11 中的内容相似。注意，使用浏览器作为查询工具是查看 HTTP 请求的原始 JSON 应答的一种极其简单的方式。

清单 11. 1 月 31 日仅开出了两张罚单

{"total_rows":4,"offset":1,"rows":[
   {"id":"1234334325","key":"2009/01/31",
    "value":
     {"_id":"1234334325","_rev":"4205717256","officer":"Kristen Ree",
       "location":"199 Baldwin Dr","vehicle_plate":"Maryland 77777",
       "offense":"Parked in no parking zone",
       "date":"2009/01/31"}},
   {"id":"12345","key":"2009/01/31",
    "value":
     {"_id":"12345","_rev":"1479261876","officer":"Anthony Richards",
       "location":"1893 Main St","vehicle_plate":"Maryland 4433-OP",
       "offense":"Parked in handicap zone without permit",
        "date":"2009/01/31"}}]}

您可以根据需要来定制视图的功能。举例来说，只需要少量 JavaScript 字符串操作，我就可以编写一个查找 Main Street 上开出的罚单的视图，如清单 12 所示：

清单 12. 另一个添加了字符串魔力的视图

function(doc) {
  if(doc.location.toLowerCase().indexOf('main') > 0){
   emit(doc.location, doc);
  }
}

可以从清单 12 中看出，如果任何文档的 location 元素包含 main，则该文档将被传递给 emit 函数。记住，这种搜索相当广泛。如果某文档的 location 包含一个 Germaine Street 这样的字符串，则会返回它。对于我所定义的少量罚单，视图将返回如清单 13 所示的结果：

清单 13. 按 Main Street 过滤的结果

{"total_rows":2,"offset":0,"rows":[
  {"id":"123433432asdefasdf4325","key":"4th and Main",
   "value":
    {"_id":"123433432asdefasdf4325","_rev":"498239926",
    "officer":"Chris Smith","location":"4th and Main",
      "vehicle_plate":"VA FGA-JD33",
      "offense":"Parked in no parking zone","date":"2009/02/01"}},
 {"id":"123433432223e432325","key":"54 and Main",
   "value":
    {"_id":"123433432223e432325","_rev":"841089995",
    "officer":"Kristen Ree","location":"54 and Main Street",
      "vehicle_plate":"Maryland 77777",
      "offense":"Parked in no parking zone","date":"2009/02/02"}}]}

注意，JSON 应答包含一个 key 元素，用于描述为何要生成特定的文档。这一方面的信息相当有用。还需注意，我所定义的各种罚单中的数据在一致性方面做的不是很好：一些地点是准确的，但也有一些是不精确的。虽然该数据可以存储在关系数据库中，但也同样可以使用面向文档的模型。另外，借助 Groovy 和 HTTPBuilder 的高效解析 JSON 的强大能力，可以非常轻松地获取数据（比原始 JDBC 简单很多）。

CouchDB 作为 Web 数据库

CouchDB 的迷人之处在于它的使用非常简单。关系数据库也很简单，但该数据库的优势在于您只需要熟悉 Web 浏览器就可以掌握其 API。此外，由于 CouchDB 提供了 REST 式 API，您可以通过一些炫酷的框架来与其通信，比如说 HTTPBuilder 的 RESTClient。您也不会受制于 HTTPBuilder；各种 Java 库都在尝试简化 CouchDB 的使用。其中非常有潜力的一个就是 jcouchdb（参见参考资料），它可以帮助您避免 REST 化和 JSON 化，同时允许您以编程方式使用 Java 语言操作文档和视图。

敬请期待下个月的专栏文章，我将回过头来讨论 Google App Engine。在开放创新精神的大旗下，各种新框架不断涌现，旨在促进 Google App Engine 的开发和部署。您将了解它们如何能够简化 Google 云平台上的 Java 开发 2.0 。

参考资料

CouchDB：访问 Apache CouchDB 网站。
HTTPBuilder 和 RESTClient：了解 Groovy 利用 HTTP 和 REST 的有趣且简单的方法。
Grape：了解 Groovy 的打包引擎。
“掌握 Ajax，第 10 部分: 使用 JSON 进行数据传输”（Brett McLaughlin，developerWorks，2007 年 3 月：全速掌握 JSON。
MapReduce：这篇 Wikipedia 文章将阐述用于处理大数据集的 MapReduce 编程模型。
“Java 开发 2.0：您也可以租用 EC2”（Andrew Glover，developerWorks，2009 年 9 月）：了解如何开发和部署 Amazon Elastic Compute Cloud (EC2)。
“构建 RESTful Web 服务：（Andrew Glover，developerWorks，2008 年 7 月）：本教程将指导您逐步掌握 REST 的基本概念，以及如何使用 Restlet 构建应用程序。
“Crossing borders: Concurrent programming with Erlang”（Bruce Tate，developerWorks，2006 年 4 月）：Erlang 在并发、分布式系统和软实时系统领域中的重要性日益显现。
jcouchdb：了解 jcouchdb 项目的最新信息。
浏览技术书店获得关于各类技术专题的书籍。
developerWorks Java 技术专区：发现数百篇关于 Java 编程各个方面的文章。

分享到

相关文章

更多...

相关培训课程

云计算原理与应用

Windows Azure 云计算应用

更多课程...