From f8843c1a5dc3129a719fa61f60b9d7f67f5928ab Mon Sep 17 00:00:00 2001 From: liujianhuan Date: Sun, 29 Mar 2020 18:17:14 +0800 Subject: [PATCH] updating existing data --- Tutorials/chapter-7.md | 135 ++++++++++++++++++++++++++++++++++++++++- 1 file changed, 134 insertions(+), 1 deletion(-) diff --git a/Tutorials/chapter-7.md b/Tutorials/chapter-7.md index f8ed086..9499f7b 100644 --- a/Tutorials/chapter-7.md +++ b/Tutorials/chapter-7.md @@ -1 +1,134 @@ -## 简易教程 \ No newline at end of file + + +## 数据更新 +本教程演示如何更新现有数据，同时展示覆盖(Overwrite)和追加(append)的两个方式。 + +本教程我们假设您已经按照[单服务器部署](../GettingStarted/chapter-3.md)中描述下载了Druid，并运行在本地机器上。 + +完成[加载本地文件](./chapter-1.md)、[数据查询](./chapter-4.md)和[roll-up](./chapter-5.md)部分内容也是非常有帮助的 + +### 数据覆盖 +本节教程将介绍如何覆盖现有的指定间隔的数据 + +#### 加载初始数据 + +本节教程使用的任务摄取说明位于 `quickstart/tutorial/updates-init-index.json`, 本说明从 `quickstart/tutorial/updates-data.json` 输入文件创建一个名称为 `updates-tutorial` 的数据源 + +提交任务： +``` +bin/post-index-task --file quickstart/tutorial/updates-init-index.json --url http://localhost:8081 +``` + +我们有三个包含"动物"维度和"数字"指标的初始行： +``` +dsql> select * from "updates-tutorial"; +┌──────────────────────────┬──────────┬───────┬────────┐ +│ __time │ animal │ count │ number │ +├──────────────────────────┼──────────┼───────┼────────┤ +│ 2018-01-01T01:01:00.000Z │ tiger │ 1 │ 100 │ +│ 2018-01-01T03:01:00.000Z │ aardvark │ 1 │ 42 │ +│ 2018-01-01T03:01:00.000Z │ giraffe │ 1 │ 14124 │ +└──────────────────────────┴──────────┴───────┴────────┘ +Retrieved 3 rows in 1.42s. +``` +#### 覆盖初始数据 + +为了覆盖这些数据，我们可以在相同的时间间隔内提交另一个任务，但是使用不同的输入数据。 + +`quickstart/tutorial/updates-overwrite-index.json` 说明将会对 `updates-tutorial` 数据进行数据重写 + +注意，此任务从 `quickstart/tutorial/updates-data2.json` 读取输入，`appendToExisting` 设置为false（表示这是一个覆盖） + +提交任务： +``` +bin/post-index-task --file quickstart/tutorial/updates-overwrite-index.json --url http://localhost:8081 +``` + +当Druid从这个覆盖任务加载完新的段时，"tiger"行现在有了值"lion"，"aardvark"行有了不同的编号，"giraffe"行已经被替换。更改可能需要几分钟才能生效： + +``` +dsql> select * from "updates-tutorial"; +┌──────────────────────────┬──────────┬───────┬────────┐ +│ __time │ animal │ count │ number │ +├──────────────────────────┼──────────┼───────┼────────┤ +│ 2018-01-01T01:01:00.000Z │ lion │ 1 │ 100 │ +│ 2018-01-01T03:01:00.000Z │ aardvark │ 1 │ 9999 │ +│ 2018-01-01T04:01:00.000Z │ bear │ 1 │ 111 │ +└──────────────────────────┴──────────┴───────┴────────┘ +Retrieved 3 rows in 0.02s. +``` + +### 将旧数据与新数据合并并覆盖 + +现在我们尝试在 `updates-tutorial` 数据源追加一些新的数据，我们将从 `quickstart/tutorial/updates-data3.json` 增加新的数据 + +`quickstart/tutorial/updates-append-index.json` 任务说明配置为从现有的 `updates-tutorial` 数据源和 `quickstart/tutorial/updates-data3.json` 文件读取数据，该任务将组合来自两个输入源的数据，然后用新的组合数据覆盖原始数据。 + +提交任务： +``` +bin/post-index-task --file quickstart/tutorial/updates-append-index.json --url http://localhost:8081 +``` + +当Druid完成从这个覆盖任务加载新段时，新行将被添加到数据源中。请注意，“Lion”行发生了roll up： +``` +dsql> select * from "updates-tutorial"; +┌──────────────────────────┬──────────┬───────┬────────┐ +│ __time │ animal │ count │ number │ +├──────────────────────────┼──────────┼───────┼────────┤ +│ 2018-01-01T01:01:00.000Z │ lion │ 2 │ 400 │ +│ 2018-01-01T03:01:00.000Z │ aardvark │ 1 │ 9999 │ +│ 2018-01-01T04:01:00.000Z │ bear │ 1 │ 111 │ +│ 2018-01-01T05:01:00.000Z │ mongoose │ 1 │ 737 │ +│ 2018-01-01T06:01:00.000Z │ snake │ 1 │ 1234 │ +│ 2018-01-01T07:01:00.000Z │ octopus │ 1 │ 115 │ +└──────────────────────────┴──────────┴───────┴────────┘ +Retrieved 6 rows in 0.02s. +``` + +### 追加数据 + +现在尝试另一种追加数据的方式 + +`quickstart/tutorial/updates-append-index2.json` 任务说明从 `quickstart/tutorial/updates-data4.json` 文件读取数据，然后追加到 `updates-tutorial` 数据源。注意到在说明中 `appendToExisting` 设置为 `true` + +提交任务： +``` +bin/post-index-task --file quickstart/tutorial/updates-append-index2.json --url http://localhost:8081 +``` + +加载新数据后，我们可以看到"octopus"后面额外的两行。请注意，编号为222的新"bear"行尚未与现有的bear-111行合并，因为新数据保存在单独的段中。 + +``` +dsql> select * from "updates-tutorial"; +┌──────────────────────────┬──────────┬───────┬────────┐ +│ __time │ animal │ count │ number │ +├──────────────────────────┼──────────┼───────┼────────┤ +│ 2018-01-01T01:01:00.000Z │ lion │ 2 │ 400 │ +│ 2018-01-01T03:01:00.000Z │ aardvark │ 1 │ 9999 │ +│ 2018-01-01T04:01:00.000Z │ bear │ 1 │ 111 │ +│ 2018-01-01T05:01:00.000Z │ mongoose │ 1 │ 737 │ +│ 2018-01-01T06:01:00.000Z │ snake │ 1 │ 1234 │ +│ 2018-01-01T07:01:00.000Z │ octopus │ 1 │ 115 │ +│ 2018-01-01T04:01:00.000Z │ bear │ 1 │ 222 │ +│ 2018-01-01T09:01:00.000Z │ falcon │ 1 │ 1241 │ +└──────────────────────────┴──────────┴───────┴────────┘ +Retrieved 8 rows in 0.02s. +``` + +当我们执行一个GroupBy查询而非 `Select *`, 我们看到"beer"行将在查询时聚合在一起： + +``` +dsql> select __time, animal, SUM("count"), SUM("number") from "updates-tutorial" group by __time, animal; +┌──────────────────────────┬──────────┬────────┬────────┐ +│ __time │ animal │ EXPR$2 │ EXPR$3 │ +├──────────────────────────┼──────────┼────────┼────────┤ +│ 2018-01-01T01:01:00.000Z │ lion │ 2 │ 400 │ +│ 2018-01-01T03:01:00.000Z │ aardvark │ 1 │ 9999 │ +│ 2018-01-01T04:01:00.000Z │ bear │ 2 │ 333 │ +│ 2018-01-01T05:01:00.000Z │ mongoose │ 1 │ 737 │ +│ 2018-01-01T06:01:00.000Z │ snake │ 1 │ 1234 │ +│ 2018-01-01T07:01:00.000Z │ octopus │ 1 │ 115 │ +│ 2018-01-01T09:01:00.000Z │ falcon │ 1 │ 1241 │ +└──────────────────────────┴──────────┴────────┴────────┘ +Retrieved 7 rows in 0.23s. +```