到目前为止，本专栏文章系列已经探索了使用Google和Amazon平台的云计算。 尽管它们的实现和结构不同，但这两个平台都可以实现快速且可扩展的部署。 它们使前所未有的快速，廉价地组装，测试，运行和维护Java应用程序成为可能。 但是，云并不是当今影响Java开发速度的唯一因素。 开源解决方案还使您能够快速组装软件应用程序，因为您不再需要编写太多代码。 编写自己的对象关系映射（ORM），日志记录或测试框架的日子已经一去不复返了。 这些问题在开源世界中一次又一次地得到了解决，而且面对它，这些解决方案几乎总是比您的解决方案更好。

在Java开发的整个领域，开放源代码的创新使应用程序的组装更加容易。 Apache CouchDB，一个新的开源数据库（在撰写本文时为0.10.0版本）也不例外。 一旦安装并运行CouchDB，就很容易进行。 您只需使用HTTP连接即可使用它。 不需要JDBC驱动程序，也不需要第三方管理管理平台。 在本文中，我将向您介绍CouchDB，并向您展示如何快速使用它。 为了简化安装，您将利用Amazon的EC2平台。 然后，您将通过方便的Groovy模块与CouchDB通信。

面向文档的数据库

关系数据库从根本上统治着数据库市场。 但其他类型的数据库-包括对象orienteed和面向文档的数据库，这无论是从面向关系世界的巨大差别-使很多的感觉，不时。 CouchDB是一个面向文档的数据库。 它是无架构的，允许您以JavaScript对象表示法 （JSON）字符串的形式存储文档。

想想停车票。 这张纸包含许多项目，包括：

• 违规日期
• 时间
• 那个地点
• 您的车辆描述
• 您的车牌信息
• 罪行

票证上收集的格式和数据可能因司法管辖区而异。 即使在单个辖区中使用标准的停车票形式，票上捕获或未捕获的内容也很可能会有所不同。 例如，发布引用的人员可能没有填写时间，或者可能会省略车辆的制造商和型号，而是选择仅输入车牌详细信息。 该位置可能是两条街道（例如，Fourth和Lexington的交集）的组合，或者仅仅是固定地址（例如，19993 Main Street）。 但是所收集内容的粗略语义相似。

可以在关系数据库中对票证的数据点进行建模，但是细节有些繁琐。 例如，如何有效地在关系数据库中捕获相交？ 并且在没有交叉路口的情况下，数据库中是否有第二个地址的空白字段（假设您以在各个列中捕获不同街道名称的方式对其建模）？

在这些情况下，关系数据库的抽象性可能会有点高。 所需信息已经以文件（票证）的形式存在。 为什么不只是将数据建模为文档，而文档不一定适合严格的关系模型，而是大致遵循高级模型的语义？ 这就是CouchDB发挥作用的地方。 它使您可以灵活地对这些类型的域进行建模-作为一个独立的文档，其中不包含任何模式，但与其他文档具有大致相似的蓝图。

使用CouchDB，您可以像在关系世界中一样搜索文档，文档属性，甚至关联文档。 您使用视图而不是SQL来执行此操作。 视图本质上是您以MapReduce风格编写（在JavaScript中）的函数； 也就是说，您最终编写了map函数和reduce函数。 这些功能协同工作以从文档中过滤或提取数据，或者非常有效地利用它们之间的关系。 实际上，只要基础文档没有更改，CouchDB就足够聪明地仅运行一次这些功能，这使得视图非常快。

CouchDB特别有趣的是它的设计。 CouchDB体现了Web本身的基本（并且非常成功）的概念。 它公开了一个完整的RESTful API，该API允许创建，查询，更新和删除文档，视图和数据库。 这使得CouchDB变得非常容易使用和使用。 您不需要驱动程序或其他平台即可开始开发：实质上是浏览器。 话虽这么说，但有许多库使使用CouchDB变得更加容易-但在幕后，它们只是通过HTTP利用RESTful概念。

CouchDB与Web本身一样，都是可扩展的。 它使用Erlang编写，Erlang是一种并发编程语言，支持构建分布式的，容错的，不间断的应用程序（请参阅参考资料 ）。 该语言（现已作为开放源代码提供）由爱立信开发，并已在电信环境中得到广泛利用。

安装CouchDB，云风格

CouchDB的安装取决于您的操作系统。 如果您使用的是Windows®，则需要安装Cygwin，Microsoft C编译器以及许多其他相关的依赖项。 如果您使用的是Mac，则需要使用Macports。 但是，如果您在Linux®平台（例如Ubuntu）上运行，安装将变得更加简单。 但是并不是每个人都可以使用Ubuntu实例。 还是你

当然，您拥有一个方便的Ubuntu实例！ 亚马逊的EC2是按需使用Ubuntu的相对便宜的方式。 因此，有了一点EC2的魔力，您就可以立即建立并运行CouchDB。 完成后，可以关闭电源，可以这么说。

首先，您需要找到一个可用作基本实例的EC2 AMI。 我最终使用了AMI ami-ccf615a5，它是Ubuntu 9.04的实例，它是在撰写本文时可用的最新版本。 （在您阅读本文时，9.10以及最可能的是较新的AMI都将可用。）使用Eclipse或AWS管理控制台，启动ami-ccf615a5实例。 确保设置了允许通过SSH访问的安全策略。 （尽管CouchDB使用HTTP，为简单起见，您将通过SSH隧道与之通信。）您还需要使用密钥对。 （如果需要指导，请参阅本系列的前两篇文章“ 可以借用EC2”和“ Easy EC2” 。）

启动Ubuntu 9.04的EC2实例后，需要使用ssh 。 （请记住，该实例可能需要一分钟左右才能完全启动，因此请耐心等待。）例如，我可以打开一个终端并通过ssh进入新创建的实例，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，我引用的是名为agkey的密钥对。 您的DNS名称和密钥对无疑会有所不同。

在云化的Ubuntu实例上的命令提示符下，键入：

apt-get update

然后输入：

aptitude install couchdb

这些命令将自动安装CouchDB。 但是，请注意，他们不会安装最新版本。 如果需要最新版本，则需要从源代码安装CouchDB（请参阅参考资料 ）。

命令完成执行后，您可以通过发出ps -eaf命令来检查CouchDB是否正在运行。 通过将ps输出管道传递给egrep查找一些在其路径中以couchdb运行的进程。 您应该在清单1所示的输出中看到一些内容：

清单1. CouchDB正在运行（折断以适合文章页面宽度的行）

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，回到本地计算机，您将建立一个SSH隧道，使您可以访问在云上运行的CouchDB实例，就像它驻留在您自己的计算机上一样。 为此，请在本地计算机上打开一个新的终端会话，然后键入：

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

最后，在本地计算机上打开浏览器。 在位置栏中，输入http://127.0.0.1:5498/ 。 您应该在JSON中看到一条不错的欢迎消息，如下所示：

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

现在看来一切正常，您可以随时使用CouchDB。

与Groovy的RESTClient RESTful合作

由于CouchDB通过RESTful HTTP接口公开数据，因此使用CouchDB（通过浏览器已经看到）非常容易。 您想做的几乎所有事情都可以通过HTTP完成。

您可以在众多用于与HTTP交互的工具中进行选择。 当REST风格的接口工作，我的最爱之一是RESTClient扩展Groovy的HTTPBuilder（参见相关主题 ）。 HTTPBuilder是Apache Commons Project流行的HTTPClient的包装，在HTTP POST，GET，PUT和DELETE的语法中增加了一些时髦的外观。 因为HTTPBuilder是使用Groovy构建的，并利用了Groovy，所以编写利用RESTful概念（例如与CouchDB进行通信）的脚本再简单不过了。

葡萄更容易，甚至更快

与Java开发2.0的一般主题（快速，便捷和免费（或廉价）一致）一样，当与诸如HTTPBuilder之类的库进行交互时，Groovy的方便的Grape（Groovy高级包装引擎或Groovy适应性包装引擎）功能尤其重要。 （请参阅参考资料 ）。 Grape是一个依赖项管理器，它允许Groovy脚本和类在运行tieme时自动配置其特定的依赖项 。 这使使用各种开放源代码库变得轻而易举，因为您无需下载一系列JAR文件就可以开始编码。 例如，使用Grape，您可以编写Groovy脚本以使用HTTPBuilder，而无需事先拥有HTTPBuilder所需的JAR。 使用Grape，它们将在运行时（或编译时）下载（通过Apache Ivy）。

您可以通过注释和方法调用来利用Grape。 例如，您可以使用@Grab批注装饰方法或类声明。 在此批注中，您指定有关主要依赖项的一些相关元数据。 （通过常春藤的魔力，所有传递依赖也将被找出来）。 在运行时或编译时（以先到者为准），Grape下载这些依赖项并确保它们在您的类路径中。 如果已经下载了依赖项（例如，从以前的运行中），Grape仍然可以确保正确的JAR文件位于类路径中。

使用Groovy在CouchDB上轻松进行REST

必须先创建一个数据库，然后才能在CouchDB中创建任何文档。 要创建一个停车票数据库，请使用其RESTClient通过HTTPBuilder的专用域语言（DSL）发出HTTP PUT，如清单2所示。（本文示例的所有Groovy代码都可以下载 。）

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应该返回响应{"ok":true} 。 如清单2所示，在HTTPBuilder中，解析JSON并确保ok元素的值确实为true 。

接下来，是时候根据停车票主题创建一些文档了。 要对停车票进行建模，请记住，停车票有许多方面。 还请记住，由于这些是官员填写的实际表格，因此某些字段可能没有填写，甚至没有遵循规定的模式-考虑交叉点与确切位置。

使用HTTPBuilder，您可以通过HTTP PUT在CouchDB中创建一个文档（就像清单2中创建数据库一样）。 因为CouchDB使用JSON文档，所以您必须遵循JSON的名称-值格式。 您可以通过在Groovy中创建类似于地图的数据结构（HTTPBuilder将其转换为有效的JSON）来实现此目的。 清单3显示了如何：

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中发生了一些事情。首先，在为CouchDB文档发出PUT时，必须分配一个UUID。 CouchDB可以为您分配这些，也可以自己管理。 在清单3中，我只是做了一个（ 1234334325 ）； 因此，此UUID被附加到URL。 如果该UUID可用，则CouchDB将为其分配PUTed文档。 在我的put调用的body方面，请注意每个名称如何具有关联的值，就像正常映射一样。 例如，分配人员的名字是Kristen Ree ，票证的位置是199 Baldwin Dr.

清单4通过相同的技术在CouchDB中创建了另一个停车票：

清单4.另一个停车票

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"

每次我通过RESTClient发出PUT时，都会断言JSON响应包含ok的真实值，并且我验证是否存在预期的id值。 请注意，在清单4中，我现在使用的是当前时间，而不是构成UUID，这不是万无一失的技术，但对于简单的交互就足够了。

当您在CouchDB中成功创建新文档时，它将以JSON响应，其中包含UUID和修订ID。 例如，此响应代表我在清单4中验证的JSON：

{"ok":true,"id":"12339892938945","rev":"12351463"}

您的id和rev值无疑会有所不同。 请注意，我可以通过发出诸如response.data.id的调用来获取id值。

在CouchDB中，通过修订来跟踪文档，因此您可以返回到先前的文档版本（通过修订ID），就像在CVS或Subversion中一样。

CouchDB中的视图

现在，我已经创建了一些停车票（或者说CouchDB中的文档），是时候在CouchDB中创建视图了。 请记住，视图只是实际使用的MapReduce函数； 因此，您必须定义它们。 在许多情况下，您不需要reduce函数。 map函数可以为您处理大多数事情。 它确实听起来像。 例如，您实质上可以映射要过滤或查找的“事物”或方面。

我定义了两张票：一张是由Ree军官发行的，另一张是由Richards军官发行的。 例如，要查找由Ree官签发的所有票证，您可以编写一个映射函数，以相应地过滤officer财产。 然后将结果传递给CouchDB的emit函数。

使用CouchDB的管理界面：Futon

您可以通过CouchDB的RESTful API或被称为Futon的CouchDB的管理界面来定义视图。 Futon只是可从http：// localhost：5498 / _utils /获得的Web应用程序。 现在去那里，并且（假设您已经和我一起创建了数据库和文档），您应该会看到一个用于parking_tickets数据库的简单界面，如图1所示：

图1. Futon界面

如果选择parking_tickets数据库，则可以在最右边看到一个下拉列表（称为“ 选择视图 ” ：）。 通过选择Custom query ...开始定义一个定制视图，如图2所示：

图2. Futon的视图选择界面

现在，Futon提供了一个界面，该界面可让您定义映射函数和归约函数。 （您可能需要单击查看代码链接）。 在Map文本框中，定义清单5所示的简单map函数：

清单5. CouchDB中的一个简单地图函数

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

如您所见，清单5中的map函数是用JavaScript定义的。 它所做的只是通过文档的officer属性过滤CouchDB数据库中的文档。 具体而言，仅当警务人员的姓名为Kristen Ree ，该函数才会将文档传递到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，要求您提供设计文档名称（输入by_name ）和视图名称（输入officer_ree ）。 这些名称将用作构建URL以便稍后调用该视图的方式（即http：// localhost：5498 / parking_tickets / _view / by_name / nzl_ree）。

现在，您可以通过HTTPBuilder使用此视图，如清单6所示：

清单6.调用新视图

response = client.get(path: "parking_tickets/_view/by_name/officer_ree", contentType: JSON,  requestContentType:  JSON)assert response.data.total_rows == 1response.data.rows.each{assert it.value.officer == "Kristen Ree"
}

此视图正确地返回一个仅包含一个文档的JSON响应：Officer Ree在1月31日发行的票证。清单6中的response对象通过相应地解析JSON隐藏了原始HTTP响应。 您可以通过在response对象的data属性上调用toString方法来查看原始JSON响应。 原始响应类似于清单7：

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文档中可以看到，HTTPBuilder轻松解析JSON的能力非常方便，因为它启用了类似于对象图的机制来评估各种属性及其对应的值。

出于演示目的，我将向数据库中添加更多文档。 为了继续研究示例，您应该使用代码download进行相同的操作。

CouchDB的emit函数用作各种组织者。 如果您不对map函数进行限制（如清单5所示 ），那么本质上来说emit将对传入的文档进行排序。 例如，如果要按日期获取所有票证（请考虑此处SQL的ORDER BY子句），则只需按文档的date字段emit ，如清单8所示：

清单8.一个更简单的map函数

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

清单9针对此视图发出HTTP GET（我给了它一个设计文档名称为dates和一个视图名称by_date ）。

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9中的查询返回按照日期排序的parking_tickets数据库中的所有文档。 assert语句仅验证total_rows属性等于4 。 这是关键。 查看返回结果以及一些元数据（例如返回的文档数）； 因此，这有助于在开始解析之前查看原始响应。 清单10显示了原始结果：

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"}}]}

定义这样的视图的有趣之处在于，您可以随后传递一个键 -也就是说，您想要的是本质上emit函数的第一个值。 例如， 清单8中定义的视图实质上按日期排序。 如果您想按特定日期对其进行排序，则将该日期传递到视图查询中。 例如，仅出于娱乐目的，请在浏览器的位置框中输入以下URL：

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

然后，该视图仅返回1月31日发行的票证。您应该在浏览器窗口中看到一堆看起来像JSON的文本，与清单11相似。请注意，使用浏览器作为查询工具是一种特别简单的方法查看HTTP请求的原始JSON响应。

清单11. 1月31日只有两张票

{"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"}}]}

视图可以根据您的需要进行特定设置。 例如，通过一些JavaScript字符串操作，我可以编写一个查找在Main Street上任何地方发行的票证的清单，如清单12所示：

清单12.带有一些字符串魔术的另一个视图

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

从清单12中可以看到，如果任何文档的location元素包含main ，那么该文档将传递给emit函数。 请记住，此搜索范围很广。 如果文档的location包含诸如Germaine Street类的字符串，则也会返回该字符串。 对于我定义的少量票证，该视图将返回清单13中所示的结果：

清单13.按大街过滤的结果

{"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"}}]}

请注意，JSON响应包含一个key元素，该元素描述了发出特定文档的原因。 此类信息非常有帮助。 还要注意，一直以来，在我定义的各种故障单中发现的数据都有些不一致：有些位置是精确的，而有些则不是。 尽管此数据可以存储在关系数据库中，但也非常适合面向文档的模型，您不觉得吗？ 另外，借助Groovy的强大功能和HTTPBuilder轻松解析JSON的能力，获取数据非常容易（比原始JDBC容易得多）。

CouchDB作为Web的数据库

CouchDB特别有趣，因为它很容易使用。 关系数据库也很容易，但是如果您已经熟悉使用Web浏览器，那么该数据库的优点就是可以使用其API。 而且，由于CouchDB的RESTful API，您可以通过很酷的框架（例如HTTPBuilder的RESTClient与其通信。 您也不限于HTTPBuilder。 许多Java库都试图简化CouchDB的使用。 一个是特别看好的是jcouchdb（见相关信息 ），这从它所有的REST风格的烦躁和JSON岬盾牌你，让你在文档和视图Java语言编程工作。

请继续关注下个月的专栏文章，我将在这里返回到Google App Engine。 秉承开放创新的精神，新的框架不断涌现，这些框架促进了Google App Engine的开发和部署。 您将看到其中之一如何使Google的云平台上的Java开发2.0变得更加容易。

翻译自: https://www.ibm.com/developerworks/java/library/j-javadev2-5/index.html