データベースは、データ管理をするモノですが、独自テキストで行う事で、SQLの中身も理解できてきます。
そして、速度改善などのやり方をストレートに理解できるので、何も考えずにSQLコマンドだけを叩いているエンジニアの方は、是非データをモジュール依存せずに考えてみることをオススメします。
今回は、SQLでおなじみのリレーショナルをテキストデータベースで行ってみたいと思います。
テーブルデータの構築
SQLのテーブルにあたる、マトリクス配列にあたる縦横データを、郵便番号データを元に作ったjsonデータを使って構築していきます。
ファイルは全て"data"フォルダに格納するので、事前にdataディレクトリを作成しておきましょう。
郵便番号データベースをJSON変換して取得する方法
基本構造
- 都道府県マスターテーブル (prefecture.csv)
- 市区町村マスターテーブル (city.csv)
- それ以降の住所マスターデータ (town.csv)
- 上記テーブルのIDをまとめた基本データテーブル (datas.csv)
データ構造は、容量を軽くするために、csvを使って行います。
テーブルは「マスターテーブル」と「データテーブル」の２パターンで構成します。
マスターテーブルは「ID」「名称」のシンプルな構造で、データテーブルは「郵便番号,prefecture-id,city-id,town-id」のフィールド情報で構築します。
都道府県マスターの作成
jq -s -r -c '. | unique_by(.prefecture) | sort_by(.code) | .[] | [.prefecture] | @csv' ken_all_2.json | awk '{gsub("\"",""); print NR","$0}' > data/prefecture.csv
市区町村マスターの作成
jq -s -r -c '. | unique_by(.city) | sort_by(.code) | .[] | [.city] | @csv' ken_all_2.json | awk '{gsub("\"",""); print NR","$0}' > data/city.csv
予備住所マスターの作成
jq -s -r -c '. | unique_by(.town) | sort_by(.code) | .[] | [.town] | @csv' ken_all_2.json | awk '{gsub("\"",""); print NR","$0}' > data/town.csv
総合データ作成
データは上記のマスターを参照しながら、IDを書き込んでいく必要があるので、awkをファイルプログラムしておきます。
BEGIN{
FS=",";
}
# 県
FILENAME ~ /prefecture.csv/{
prefecture[$2] = $1;
}
# 市区町村
FILENAME ~ /city.csv/{
city[$2] = $1;
}
# その他
FILENAME ~ /town.csv/{
town[$2] = $1;
}
# 元データ
FILENAME ~ /ken_all.csv/{
# 1.zip(postal) , 2.prefecture , 3.city , 4.town
print $1","prefecture[$2]","city[$3]","town[$4];
}
上記をコマンドで実行
awk -f data-make.awk data/prefecture.csv data/city.csv data/town.csv data/ken_all.csv > data/datas.csv
データの呼び出し
マスターと基本データが整ったところで、郵便番号から、住所検索をしてみます。
これもマスター検索用にawkコードを事前に書いておきます。
ただこのプログラムで一括検索するのではなく、jqコマンドで、絞り込まれたデータをこのプログラムで、マスター検索して、IDを名称に変換します。
BEGIN{
FS=",";
}
{
print $1;
system("jq -Rcr 'split(\",\") | select(.[]==\""$2"\") | .[1]' data/prefecture.csv ");
system("jq -Rcr 'split(\",\") | select(.[]==\""$3"\") | .[1]' data/city.csv ");
system("jq -Rcr 'split(\",\") | select(.[]==\""$4"\") | .[1]' data/town.csv ");
}
jq -Rc 'split(",") | select(.[]=="1000001") | .' data/datas.csv | jq -rc '.|@csv' | tr -d '"' | awk -f load_data.awk
1000001
東京都
千代田区
千代田
jqコマンドのselectで絞り込んでいる箇所が郵便番号の7桁数値になるので、郵便番号に対して複数の住所結果がある場合は、その分の住所が表示されます。
今回は強引にリレーショナルに持っていきましたが、データベースも中はこのように、それぞれのデータのIDを繋げてデータ検索を行うという点では同じ動きであることが理解できれば、データベースの扱いスキルが向上できるでしょう。
それにしても、もう少し効率的に行いたいので、データ構造の見直しと、検索方法の見直しをやる必要がありますね。
