-
大数据云计算
站-
热门城市 全国站>
-
其他省市
-
-
15692118659
沉沙
2018-09-29
来源 ：
阅读 2929
评论 0
摘要：本篇教程介绍了Druid大数据分析方法之查询，希望阅读本篇文章以后大家有所收获，帮助大家对大数据云计算大数据分析的理解更加深入。
本篇教程介绍了Druid大数据分析方法之查询，希望阅读本篇文章以后大家有所收获，帮助大家对大数据云计算大数据分析的理解更加深入。
<
Druid的查询是使用REST风格的HTTP请求查询服务节点（Broker、Historical、Realtime），这些服务节点暴露REST查询接口，客户端发送Json对象请求查询接口。一般情况下，查询服务接口发布在Broker节点，基于Linux 的POST请求查询如下所示：
Java代码
/**
* port: 查询请求接口对应Broker，默认8082端口
* query_json_file: 查询Json对象文件（配置）
*/
curl -X POST ‘<queryable_host>:<port>/druid/v2/?pretty‘ -H ‘Content-Type:application/json‘ -d @<query_json_file>
2、Druid 查询类型
Druid在不同场景下，有很多的查询类型。查询是由各种JSON属性和Druid有不同类型的不同场景下查询组成。对于各种类型的查询类型的配置可以json属性文件设置。Druid查询类型，概括一下为3大类： 1. 聚合查询 - 时间序列查询（Timeseries）、排名查询（TopN）、分组查询（GroupBy） 2. 元数据查询 - 时间范围(Time Boundary) 、段元数据(Segment Metadata)、数据源(Datasource) 3. Search查询 - Search 本节以聚合查询为主，其它查询类型比较简单，使用上相对比较少，暂不介绍。对聚合查询类型下的3种查询如何选择进行一下概述： 在可能的情况下，我们建议使用的时间序列和TopN查询代替分组查询，分组查询是Druid最灵活的的查询，但是性能最差。时间序列查询是明显快于GROUPBY查询，因为聚合不需要分组尺寸。对于分组和排序在一个单一的维度，TopN查询更优于GROUPBY。
2.1 Json查询属性
在讲聚合查询下的3种查询类型之前，我们需要对3种查询类型共有的特别重要的Json属性理解与熟悉，常用属性如：queryType、dataSource、granularity、filter、aggregator等。
2.1.1 查询类型（queryType）
对应聚合查询下的3种类型值：timeseries、topN、groupBy
2.1.2 数据源（dataSource）
数据源，类似数据库中表的概念，对应数据导入时Json配置属性dataSource值
2.1.3 聚合粒度（granularity）
粒度决定如何得到数据块在跨时间维度，或者如何得到按小时，天，分钟的汇总等。在配置查询聚合粒度里有三种配置方法： 1. 简单聚合粒度 - 支持字符串值有：all、none、second、minute、fifteen_minute、thirty_minute、hour、day、week、month、quarter、year (1) all - 将所有块变成一块 (2) none - 不使用块数据（它实际上是使用最小索引的粒度，none意味着为毫秒级的粒度）；按时间序列化查询时不建议使用none，因为所有的毫秒不存在，系统也将尝试生成0值，这往往是很多。 2. 时间段聚合粒度 - Druid指定一精确的持续时间（毫秒）和时间缀返回UTC（世界标准时间）。 3. 常用时间段聚合粒度 - 与时间段聚合粒度差不多，但是常用时间指平时我们常用时间段，如年、月、周、小时等。 下面对3种聚合粒度配置举例说明：
简单聚合粒度
查询粒度比数据采集时配置的粒度小，则不合理，也无意义，因较小粒度（相比）者无索引数据；如 查询粒度小于采集时配置的查询粒度时，则Druid的查询结果与采集数据配置的查询粒度结果一样。
假设我们存储在Druid的数据使用毫秒粒度获取，数据如下：
Java代码
{"timestamp": "2013-08-31T01:02:33Z", "page": "AAA", "language" : "en"}
{"timestamp": "2013-09-01T01:02:33Z", "page": "BBB", "language" : "en"}
{"timestamp": "2013-09-02T23:32:45Z", "page": "CCC", "language" : "en"}
{"timestamp": "2013-09-03T03:32:45Z", "page": "DDD", "language" : "en"}
以"小时" 粒度提交一个groupby查询，查询配置如下：
Java代码
{
"queryType":"groupBy",
"dataSource":"dataSource",
"granularity":"hour",
"dimensions":[
"language"
],
"aggregations":[
{
"type":"count",
"name":"count"
}
],
"intervals":[
"2000-01-01T00:00Z/3000-01-01T00:00Z"
]
}
按小时粒度进行的groupby查询结果中timestamp值精确到小时间，比小时粒度更小粒度值自动补填零，
以此类推按天查询，则小时及小粒度补零。timestamp值为UTC
Java代码
[ {
"version" : "v1",
"timestamp" : "2013-08-31T01:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-01T01:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-02T23:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-03T03:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
} ]
如果指定查询粒度为 none，则返回结果与数据导入时设置粒度（queryGranularity属性值）结果一样， 此处的导入粒度为毫秒，结果如下：
Java代码
[ {
"version" : "v1",
"timestamp" : "2013-08-31T01:02:33.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-01T01:02:33.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-02T23:32:45.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-03T03:32:45.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
} ]
如果指定查询粒度为 all，返回数组长度结果为1，结果如下：
Java代码
[ {
"version" : "v1",
"timestamp" : "2000-01-01T00:00:00.000Z",
"event" : {
"count" : 4,
"language" : "en"
}
} ]
时间段聚合粒度
指定一个精确时间持续时长（毫秒表示）及时间缀，返回UTC时间；支持可选项属性origin，不指定时 默认开始时间（1970-01-01T00:00:00Z）
Java代码
/**持续时间段2小时，从1970-01-01T00:00:00Z开始*/
{"type": "duration", "duration": 7200000}
Java代码
/**持续时间1小时，从origin开始*/
{"type": "duration", "duration": 3600000, "origin": "2012-01-01T00:30:00Z"}
以上简单聚合粒度的示例数据为例，提交groupby查询，持续时间段为24小时，查询配置如下：
Java代码
{
"queryType":"groupBy",
"dataSource":"dataSource",
"granularity":{"type": "duration", "duration": "86400000"},
"dimensions":[
"language"
],
"aggregations":[
{
"type":"count",
"name":"count"
}
],
"intervals":[
"2000-01-01T00:00Z/3000-01-01T00:00Z"
]
}
查询结果：
Java代码
[ {
"version" : "v1",
"timestamp" : "2013-08-31T00:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-01T00:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-02T00:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
}, {
"version" : "v1",
"timestamp" : "2013-09-03T00:00:00.000Z",
"event" : {
"count" : 1,
"language" : "en"
}
} ]
常用时间段聚合粒度
略...
2.1.4 过滤（Filters）
一个Filter就是一个Json对象，用于过滤数据行过滤，类似SQL中的Where子句。过滤器类型有如下：Selector filte、Regular expression filter（正则表达式过滤）、Logical expression filters（AND、OR、NOT）、In filter、Bound filter、Search filter、JavaScript filter、Extraction filter
示例简单查看使用方式：
查询过滤（Selector filte）
等价于：WHERE <dimension_string> = ‘<dimension_value_string>‘
Java代码
"filter": { "type": "selector", "dimension": <dimension_string>, "value": <dimension_value_string> }
正则表达过滤（Regular expression filter）
与Selector filte差不多，只是这里使用正则表达式，表达式为标准的Java正则表达式规范
Java代码
"filter": { "type": "regex", "dimension": <dimension_string>, "pattern": <pattern_string> }
逻缉表达过滤（Logical expression filters）
AND
Java代码
"filter": { "type": "and", "fields": [<filter>, <filter>, ...] }
OR
Java代码
"filter": { "type": "or", "fields": [<filter>, <filter>, ...] }
NOT
Java代码
"filter": { "type": "not", "field": <filter> }
IN过滤（In filter）
SQL查询
Java代码
SELECT COUNT(*) AS ‘Count‘ FROM `table` WHERE `outlaw` IN (‘Good‘, ‘Bad‘, ‘Ugly‘)
Druid IN 过滤表示
Java代码
{
"type": "in",
"dimension": "outlaw",
"values": ["Good", "Bad", "Ugly"]
}
范围过滤（Bound filter）
Bound filter 过滤比较值大小或小于某值，默认按字符串比较，使用数据比较需要设置alphaNumeric 属 性为true；默认 Bound filter为非严格性（类闭区间），如 inputString <= upper && inputSting >= lower
Java代码
{
"type": "bound",
"dimension": "age",
"lower": "21",
"upper": "31" ,
"alphaNumeric": true
}
上述表示等价如：21 <= age <= 31
Bound filter 严格性，需要设置lowerStrict or/and upperStrict 属性值为true如下：
Java代码
{
"type": "bound",
"dimension": "age",
"lower": "21",
"lowerStrict": true,
"upper": "31" ,
"upperStrict": true,
"alphaNumeric": true
}
等价如：21 < age < 31
2.1.5 聚合（Aggregations）
聚合可以在采集时间时规格部分的一种方式，汇总数据进入Druid之前提供。聚合也可以被指定为在查询时多查询的部分，聚合类型如下：Count aggregator、Sum aggregators、Min / Max aggregators、Approximate Aggregations、Miscellaneous Aggregations
Count aggregator
查询返回匹配过滤条件的数据行数，需要注意的是：Druid进行Count查询的数据量并不一定等于数据采 集时导入的数据量，因为Druid在采集数据并导入时已经对数据进行了聚合。
Java代码
{ "type" : "count", "name" : <output_name> }
Sum aggregator
longSum aggregator：计算值为有符号位64位整数
Java代码
{ "type" : "longSum", "name" : <output_name>, "fieldName" : <metric_name> }
doubleSum aggregator：与longSum类似，计算值为64位浮点型
Java代码
{ "type" : "doubleSum", "name" : <output_name>, "fieldName" : <metric_name> }
Min / Max aggregators
doubleMin aggregator
Java代码
{ "type" : "doubleMin", "name" : <output_name>, "fieldName" : <metric_name> }
doubleMax aggregator
Java代码
{ "type" : "doubleMax", "name" : <output_name>, "fieldName" : <metric_name> }
longMin aggregator
Java代码
{ "type" : "longMin", "name" : <output_name>, "fieldName" : <metric_name> }
longMax aggregator
Java代码
{ "type" : "longMax", "name" : <output_name>, "fieldName" : <metric_name> }
类似聚合（Approximate Aggregations）
基数聚合（Cardinality aggregator）
计算Druid多种维度基数，Cardinality aggregator使用HyperLogLog评估基数，这种聚合比带有索引的 hyperUnique聚合慢，运行在一个维度列，意味着不能从数据集中删除字符串维度来提高聚合；一般我们 强力推荐使用hyperUnique aggregator而不是Cardinality aggregator，格式如下：
Java代码
{
"type": "cardinality",
"name": "<output_name>",
"fieldNames": [ <dimension1>, <dimension2>, ... ],
"byRow": <false | true> # (optional, defaults to false)
}
. 维度值聚合-当设置属性byRow为false（默认值）时，通过合并所有给定的维度列来计算值集合。
对于单维度，等价如下：
Java代码
SELECT COUNT(DISTINCT(dimension)) FROM <datasource>
对于多维度，等价如下:
Java代码
SELECT COUNT(DISTINCT(value)) FROM (
SELECT dim_1 as value FROM <datasource>
UNION
SELECT dim_2 as value FROM <datasource>
UNION
SELECT dim_3 as value FROM <datasource>
)
. 行聚合-当设置属性byRow为true时，根所不同维度的值合并来计算行值，等价如下：
Java代码
SELECT COUNT(*) FROM ( SELECT DIM1, DIM2, DIM3 FROM <datasource> GROUP BY DIM1, DIM2, DIM3 )
许多不同国家的人出生地或来自哪里，用druid配置如下：
Java代码
{
"type": "cardinality",
"name": "distinct_countries",
"fieldNames": [ "coutry_of_origin", "country_of_residence" ]
}
HyperUnique aggregator
已经被“hyperunique”在创建索引时聚合的维度值使用HyperLogLog计算估计，更多资料请参考官网
Java代码
{ "type" : "hyperUnique", "name" : <output_name>, "fieldName" : <metric_name> }
后聚合（post-aggregators）
后聚合是对Druid进行聚合后的值进行聚全，如果查询中包括一个后聚合，那么确保所有聚合满足后聚合要求；后聚合有以下几种类型：1. Arithmetic post-aggregators2. Field accessor post-aggregator3. Constant post-aggregator4. JavaScript post-aggregator5. HyperUnique Cardinality post-aggregator
Arithmetic post-aggregators
算术后聚合应用已提供的函数从左到右获取字段，这些字段可聚合或后聚合；支持+, -, *, /, and quotient。
算术后聚合可以指定ordering属性，用于聚合结果排序（对topN查询很有用 ）：
(1) 如果无ordering属性（或null），使用默认的浮点排序。
(2) numericFirst 首先返回有限值，其次是NaN，最后返回无限值。
算术后聚合语法如下：
Java代码
postAggregation : {
"type" : "arithmetic",
"name" : <output_name>,
"fn" : <arithmetic_function>,
"fields": [<post_aggregator>, <post_aggregator>, ...],
"ordering" : <null (default), or "numericFirst">
}
Field accessor post-aggregator - fieldName引用aggregator定义的名称
Java代码
{ "type" : "fieldAccess", "name": <output_name>, "fieldName" : <aggregator_name> }
Constant post-aggregator - 返回指定值
Java代码
{ "type" : "constant", "name" : <output_name>, "value" : <numerical_value> }
2.2 时间序列查询（Timeseries）
这些类型的查询以时间序列查询对象和返回一个JSON数组对象，每个对象表示时间序列查询的值，时间序列查询请求的Json的7个主要属性如下：
属性
描述
必填项
queryType
字符串类型，时间序列 "timeseries"
是
dataSource
字符串类型，数据源（类似数据库表）
是
descending
排序标志，默认为 "false"(升序)
否
intervals
查询时间范围跨度，JSON对象，ISO-8601区间
是
granularity
定义查询结果块粒度
是
filter
过滤条件
否
aggregations
聚合
是
postAggregations
后聚合
否
context
上下文
否
引用官网序列化查询json配置代码
{
"queryType": "timeseries",
"dataSource": "sample_datasource",
"granularity": "day",
"descending": "true",
"filter": {
"type": "and",
"fields": [
{ "type": "selector", "dimension": "sample_dimension1", "value": "sample_value1" },
{ "type": "or",
"fields": [
{ "type": "selector", "dimension": "sample_dimension2", "value": "sample_value2" },
{ "type": "selector", "dimension": "sample_dimension3", "value": "sample_value3" }
]
}
]
},
"aggregations": [
{ "type": "longSum", "name": "sample_name1", "fieldName": "sample_fieldName1" },
{ "type": "doubleSum", "name": "sample_name2", "fieldName": "sample_fieldName2" }
],
"postAggregations": [
{ "type": "arithmetic",
"name": "sample_divide",
"fn": "/",
"fields": [
{ "type": "fieldAccess", "name": "postAgg__sample_name1", "fieldName": "sample_name1" },
{ "type": "fieldAccess", "name": "postAgg__sample_name2", "fieldName": "sample_name2" }
]
}
],
"intervals": [ "2012-01-01T00:00:00.000/2012-01-03T00:00:00.000" ]
}
上述配置了过滤条件，2个聚合，后聚合器将2个聚合结果进行相除。查询结果如下，查询结果存储在属性result，以键值对方式存储：
Java代码
[
{
"timestamp": "2012-01-01T00:00:00.000Z",
"result": { "sample_name1": <some_value>, "sample_name2": <some_value>, "sample_divide": <some_value> }
},
{
"timestamp": "2012-01-02T00:00:00.000Z",
"result": { "sample_name1": <some_value>, "sample_name2": <some_value>, "sample_divide": <some_value> }
}
]
2.3 排名查询（TopN query）
TopN查询根据规范返回给定维度的有序的结果集，从概念上来讲，TopN查询被认为单维度、有序的类似分组查询。在某些情况下，TopN查询比分组查询（groupby query）快。TopN查询结果返回Json数组对象。 TopN在每个节点将顶上K个结果排名，在Druid默认情况下最大值为1000。在实践中，如果你要求前1000个项顺序排名，那么从第1-999个项的顺序正确性是100%，其后项的结果顺序没有保证。你可以通过增加threshold值来保证顺序准确。
属性
描述
必填项
queryType
字符串类型，时间序列 "topN"
是
dataSource
字符串类型，数据源（类似数据库表）
是
intervals
查询时间范围跨度，JSON对象，ISO-8601区间
是
granularity
定义查询结果块粒度
是
filter
过滤条件
否
aggregations
聚合
是
postAggregations
后聚合
否
dimension
查询的维度（列）
是
threshold
返回Top N个结果
是
metric
字符串或Json对象指定度量对Top N个结果排序
是
context
上下文
否
Metric
属性
描述
必填项
type
数字排序
是
metric
排序字段
是
数据排序（Numeric TopNMetricSpec） - 最简单的规范指定一个字符串值指示排序TopN结果的度量
Java代码
"metric": "<metric_name>"
metric属性通常配置为Json对象，上述等价于：
Java代码
"metric": {
"type": "numeric",
"metric": "<metric_name>"
}
topN query 配置示例如下：
Java代码
{
"queryType": "topN",
"dataSource": "sample_data",
"dimension": "sample_dim",
"threshold": 5,
"metric": "count",
"granularity": "all",
"filter": {
"type": "and",
"fields": [
{
"type": "selector",
"dimension": "dim1",
"value": "some_value"
},
{
"type": "selector",
"dimension": "dim2",
"value": "some_other_val"
}
]
},
"aggregations": [
{
"type": "longSum",
"name": "count",
"fieldName": "count"
},
{
"type": "doubleSum",
"name": "some_metric",
"fieldName": "some_metric"
}
],
"postAggregations": [
{
"type": "arithmetic",
"name": "sample_divide",
"fn": "/",
"fields": [
{
"type": "fieldAccess",
"name": "some_metric",
"fieldName": "some_metric"
},
{
"type": "fieldAccess",
"name": "count",
"fieldName": "count"
}
]
}
],
"intervals": [
"2013-08-31T00:00:00.000/2013-09-03T00:00:00.000"
]
}
查询前Top 5个结果，按count排序：
Java代码
[
{
"timestamp": "2013-08-31T00:00:00.000Z",
"result": [
{
"dim1": "dim1_val",
"count": 111,
"some_metrics": 10669,
"average": 96.11711711711712
},
{
"dim1": "another_dim1_val",
"count": 88,
"some_metrics": 28344,
"average": 322.09090909090907
},
{
"dim1": "dim1_val3",
"count": 70,
"some_metrics": 871,
"average": 12.442857142857143
},
{
"dim1": "dim1_val4",
"count": 62,
"some_metrics": 815,
"average": 13.14516129032258
},
{
"dim1": "dim1_val5",
"count": 60,
"some_metrics": 2787,
"average": 46.45
}
]
}
]
本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据分析频道！
喜欢 | 2
不喜欢 | 0
您输入的评论内容中包含违禁敏感词
我知道了
请输入正确的手机号码
请输入正确的验证码
您今天的短信下发次数太多了，明天再试试吧！
我们会在第一时间安排职业规划师联系您！
您也可以联系我们的职业规划师咨询：
版权所有 职坐标-一站式AI+学习就业服务平台 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com，All Rights Reserved.
沪公网安备 31011502005948号
资料领取
答疑解惑
技术交流
职业测评
面试技巧
高薪秘笈
