在数据库频繁访问与本地处理数据之间找到一个平衡

        最近在做一个与气象有关的软件，因为气象数据大都详细到每一天的记录，而在气象各种预测或者等级评定中， 我们往往要不断的访问这些数据库，例如我要计算2006年4月的palmer指数，该指数我们以旬为基本计算单位，其中涉及到的气象观测数据很多，中间数据也多的惊人，如果我们要一次性计算出这个palmer指数，以我们大部分人用的pc机来说，完成一个地区的该指数的计算可能要等上几分钟，这对用户来说是不能忍受的（实际上气象用计算机要求要很高配置的，但穷地方却让pc做服务器，所以优化的责任落到编程人的肩上）。

    我们想到的是把一些中间结果入库，例如吧1951年到2006年每年36个旬25个站点的蒸散量数据统计出来放到一个数据库中，这样在下面的计算就方便了很多，并且这些结果也可以作为农业气象专家的参考资料。

   问题来了，一个地区56年*12旬的计算，我们要计算一次数据读取一次数据，这样，就需要间歇性地不断的访问数据库，实验证明这个方法是不可取的。

      我的办法是在本地开辟一块结构数组，将一个地区的一年的相关数据读到该结构数组中，这样，本次访问完成以后，访问数据的的次数变为原来的1/36,尤其是我们使用的才c/s结构的方式，访问次数降低以后，可以极大地提高效率，接下来的搜索，就是对数据结构进行搜索了。

   但是即使这样，那么计算该地区的该中间变量还是需要访问56次记录，一个地区56次，25个地区也是一个不小的数目，这就需要寻找一个合理的中间量，比如你一次将一个地区的全部年份的全部旬都读到缓存里，这样访问数据库的次数就降低为25次，但是，这必然导致你程序运行时变的臃肿，也是不可取的，最好的办法就是根据你的需要，合理定缓存大小。