## 合并段文件 本教程演示如何将现有段合并为较少但更大的段 因为每一个段都有一些内存和处理开销，所以有时减少段的总数是有益的。有关详细信息，请查阅[段大小优化](../Operations/segmentSizeOpt.md)。 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)和[数据查询](./chapter-4.md)两部分内容也是非常有帮助的。 ### 加载初始数据 在本教程中，我们将使用wikipedia编辑的示例数据，其中的摄取任务规范将在输入数据中每小时创建1-3个段。 数据摄取规范位于 `quickstart/tutorial/compaction-init-index.json` ,提交这个任务规范将创建一个名称为 `compaction-tutorial` 的数据源： ```json bin/post-index-task --file quickstart/tutorial/compaction-init-index.json --url http://localhost:8081 ``` > ![WARNING] > 请注意，摄取规范中的 `maxRowsPerSegment` 设置为1000, 这是为了每小时生成多个段，不建议在生产中使用。默认为5000000，可能需要进行调整以优化您的段文件。 摄取任务完成后，可以到 [http://localhost:8888/unified-console.html#datasources](http://localhost:8888/unified-console.html#datasources) Druid控制台查看新的数据源。  点击 `compaction-tutorial` 数据源中"Fully Available"旁边的 `51 Segments` 链接来查看数据源段的更多信息 该数据源有51个段文件，输入数据每小时1-3个段  对该数据源执行一个 `COUNT(*)` 查询可以看到39244行数据： ```json dsql> select count(*) from "compaction-tutorial"; ┌────────┐ │ EXPR$0 │ ├────────┤ │ 39244 │ └────────┘ Retrieved 1 row in 1.38s. ``` ### 合并数据 现在我们将合并这51个小的段 在 `quickstart/tutorial/compaction-keep-granularity.json` 文件中我们包含了一个本教程数据源的合并任务规范。 ```json { "type": "compact", "dataSource": "compaction-tutorial", "interval": "2015-09-12/2015-09-13", "tuningConfig" : { "type" : "index_parallel", "maxRowsPerSegment" : 5000000, "maxRowsInMemory" : 25000 } } ``` 该任务会合并 `compaction-tutorial` 数据源在 `2015-09-12/2015-09-13` 时间范围内的所有的段 `tuningConfig` 中的参数控制合并后的段文件集合中有多少个段。 在本教程示例中，每小时只创建一个合并段，因为每小时的行数少于5000000 `maxRowsPerSegment`（请注意，行总数为39244）。 现在提交这个任务： ```json bin/post-index-task --file quickstart/tutorial/compaction-keep-granularity.json --url http://localhost:8081 ``` 任务运行结束后，刷新 `Segments` 视图 最初的51个段最终将由Coordinator标记为"未使用"，并移除，保留新的合并段。 默认情况下，在Coordinator启动至少15分钟之前，Druid Coordinator不会将段标记为未使用，因此您可以在Druid控制台中同时看到旧段集合和新合并集，共有75个段：   新的合并段比原来的段有一个更新的版本，所以即使两组段都显示在Druid控制台中，查询也只能从新的合并段中读取。 我们再次在 `compaction-tutorial` 数据源执行 `COUNT(*)` 查询可以看到，行数仍然是39244: ```json dsql> select count(*) from "compaction-tutorial"; ┌────────┐ │ EXPR$0 │ ├────────┤ │ 39244 │ └────────┘ Retrieved 1 row in 1.30s. ``` Coordinator运行至少15分钟后，"Segments"视图应显示有24个分段，每小时一个：   ### 用新的段粒度合并数据 合并任务还可以生成不同于输入段粒度的合并段 我们在 `quickstart/tutorial/compaction-day-granularity.json` 文件中包含了一个可以创建 `DAY` 粒度的合并任务摄取规范： ```json { "type": "compact", "dataSource": "compaction-tutorial", "interval": "2015-09-12/2015-09-13", "segmentGranularity": "DAY", "tuningConfig" : { "type" : "index_parallel", "maxRowsPerSegment" : 5000000, "maxRowsInMemory" : 25000, "forceExtendableShardSpecs" : true } } ``` 请注意这个合并任务规范中 `segmentGranularity` 配置项设置为了 `DAY` 现在提交这个任务： ```json bin/post-index-task --file quickstart/tutorial/compaction-day-granularity.json --url http://localhost:8081 ``` Coordinator将旧的输入段标记为未使用需要一段时间，因此您可能会看到总共有25个段的中间状态。最终，只有一个天粒度的段   ### 进一步阅读 [任务文档](../DataIngestion/taskrefer.md) [段优化](../Operations/segmentSizeOpt.md)