druid-docs-cn/querying/lookups.md

16 KiB
Raw Blame History

Lookups

[!WARNING] Lookups是一个 实验性的特性

Lookups是Apache Druid中的一个概念在Druid中维度值(可选地)被新值替换从而允许类似join的功能。在Druid中应用Lookup类似于在数据仓库中的联接维度表。有关详细信息请参见 维度说明。在这些文档中,"key"是指要匹配的维度值,"value"是指其替换的目标值。所以如果你想把 appid-12345 映射到Super Mega Awesome App,那么键应该是 appid-12345,值就是 Super Mega Awesome App

值得注意的是Lookups不仅支持键一对一映射到唯一值如国家代码和国家名称的场景还支持多个ID映射到同一个值的场景例如多个应用程序ID映射到一个客户经理。当Lookup是一对一的时候Druid能够在查询时应用额外的优化有关更多详细信息请参阅下面的 查询执行

Lookups没有历史记录总是使用当前的数据。这意味着如果特定应用程序id的首席客户经理发生更改并且您发出了一个查询其中存储了应用程序id与客户经理之间的关系则无论您查询的时间范围如何它都将返回该应用程序id的当前客户经理。

如果您需要进行对数据时间范围敏感的Lookups那么目前在查询时不支持这样的场景并且这些数据属于原始的非规范化数据中以便在Druid中使用。

在所有服务器上Lookup通常都预加载在内存中。但是对于非常小的Lookup大约几十到几百个条目也可以使用"map"Lookup类型在原生查询时内联传递。有关详细信息请参见 维度说明

其他的Lookup类型在扩展中是可用的例如

查询符号

Druid SQLLookups可以使用 LOOKUP函数 来进行查询,例如:

SELECT
  LOOKUP(store, 'store_to_country') AS country,
  SUM(revenue)
FROM sales
GROUP BY 1

也可以使用 JOIN运算符:

SELECT
  store_to_country.v AS country,
  SUM(sales.revenue) AS country_revenue
FROM
  sales
  INNER JOIN lookup.store_to_country ON sales.store = store_to_country.k
GROUP BY 1

在原生查询中lookups可以使用 维度规范或者提取函数

查询执行

当执行涉及Lookup函数如SQL中的 LOOKUP 函数的聚合查询时Druid可以决定在扫描和聚合行时应用它们或者在聚合完成后应用它们。在聚合完成后应用Lookup更为有效所以如果可以的话Druid会这样做。Druid通过检查Lookup是否标记为"injective"来决定这一点。一般来说您应该为任何自然的一对一的Lookup设置此属性以使得Druid尽可能快地运行查询。

"injective"(内部映射式)Lookup应该包括所有可能出现在数据集中的键,还应该将所有键映射到唯一值。这一点很重要因为非内部映射式Lookup可能将不同的键映射到同一个值在聚合过程中必须考虑到这一点以免查询结果包含两个应该聚合为一个的结果值。

以下Lookup为内部映射式假设它包含了数据中所有可能的键

1 -> Foo
2 -> Bar
3 -> Billy

但是以下的并不是,因为"2"和"3"映射到同一个键:

1 -> Foo
2 -> Bar
3 -> Bar

可以通过在Druid配置中指定 "injective" : true 来告诉Druid该Lookup为内部映射式。Druid并不会自动的检测。

[!WARNING] 目前当Lookup是 Join数据源 的输入时,不会触发内射查找优化。它只在直接使用查找函数时使用,而不使用联接运算符。

动态配置

[!WARNING] 动态Lookup配置是一个 实验特性, 不再支持静态配置。下面的文档说明了集群范围的配置该配置可以通过Coordinator进行访问。配置通过服务器的"tier"概念传播。"tier"被定义为一个应该接收一组Lookup的服务集合。例如您可以让所有Historical都是 _default而Peon是它们所负责的数据源的各个层的一部分。Lookups的tier完全独立于Historical tiers。

这些配置都可以通过以下URI模板来使用JSON获取到

http://<COORDINATOR_IP>:<PORT>/druid/coordinator/v1/lookups/config/{tier}/{id}

假设下面的所有URI都预先被添加到了 http://<COORDINATOR_IP>:<PORT>

如果您此前从未配置过lookups必须首先通过POST请求发送一个Json Object {}/druid/coordinator/v1/lookups/config 来进行初始化。

该接口可能返回以下几个结果:

  • 资源不存在的时返回404
  • 请求格式存在问题时返回400
  • 请求(POSTDELETE)被异步接收返回202
  • 请求(仅针对 GET)成功返回200

配置传播行为

配置由Coordinator传播到查询服务进程Broker / Router / Peon / Historical。查询服务进程有一个内部API用于管理进程上的Lookup这些查询由Coordinator使用。Coordinator定期检查是否有任何进程需要加载/删除Lookup并适当地更新它们。

请注意一个查询服务进程只能同时处理两个同步的Lookup配置传播请求。该限制是为了防止Lookup处理消耗过多的服务器HTTP连接。

配置Lookups的API

批量更新Lookup

Lookups可以通过发送一个POST请求到 /druid/coordinator/v1/lookups/config 进行批量更新, 数据格式为:

{
    "<tierName>": {
        "<lookupName>": {
          "version": "<version>",
          "lookupExtractorFactory": {
            "type": "<someExtractorFactoryType>",
            "<someExtractorField>": "<someExtractorValue>"
          }
        }
    }
}

请注意,"version"是用户指定的任意字符串当更新现有Lookup时用户需要指定一个字典级别更高的版本。

例如,配置可能看起来像:

{
  "__default": {
    "country_code": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "map",
        "map": {
          "77483": "United States"
        }
      }
    },
    "site_id": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "cachedNamespace",
        "extractionNamespace": {
          "type": "jdbc",
          "connectorConfig": {
            "createTables": true,
            "connectURI": "jdbc:mysql:\/\/localhost:3306\/druid",
            "user": "druid",
            "password": "diurd"
          },
          "table": "lookupTable",
          "keyColumn": "country_id",
          "valueColumn": "country_name",
          "tsColumn": "timeColumn"
        },
        "firstCacheTimeout": 120000,
        "injective": true
      }
    },
    "site_id_customer1": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "map",
        "map": {
          "847632": "Internal Use Only"
        }
      }
    },
    "site_id_customer2": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "map",
        "map": {
          "AHF77": "Home"
        }
      }
    }
  },
  "realtime_customer1": {
    "country_code": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "map",
        "map": {
          "77483": "United States"
        }
      }
    },
    "site_id_customer1": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "map",
        "map": {
          "847632": "Internal Use Only"
        }
      }
    }
  },
  "realtime_customer2": {
    "country_code": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "map",
        "map": {
          "77483": "United States"
        }
      }
    },
    "site_id_customer2": {
      "version": "v0",
      "lookupExtractorFactory": {
        "type": "map",
        "map": {
          "AHF77": "Home"
        }
      }
    }
  }
}

map中所有的条目都将会更新没有条目被删除。

更新Lookup

通过发送一个 POST 请求到 /druid/coordinator/v1/lookups/config/{tier}/{id},可以根据特定的 lookupExtractorFactory 来更新Lookup。

例如一个POST /druid/coordinator/v1/lookups/config/realtime_customer1/site_id_customer1 可能包含以下信息:

{
  "version": "v1",
  "lookupExtractorFactory": {
    "type": "map",
    "map": {
      "847632": "Internal Use Only"
    }
  }
}

该操作会使用上边定义的配置来更新 realtime_customer1site_id_customer1 Lookup

获取所有Lookups

/druid/coordinator/v1/lookups/config/allGET 请求会返回所有tier的已知Lookups

获取Lookup

/druid/coordinator/v1/lookups/config/{tier}/{id}GET 请求会返回一个特定的Lookup

针对前边的例子,GET 请求 /druid/coordinator/v1/lookups/config/realtime_customer2/site_id_customer2 会返回:

{
  "version": "v1",
  "lookupExtractorFactory": {
    "type": "map",
    "map": {
      "AHF77": "Home"
    }
  }
}

删除Lookup

/druid/coordinator/v1/lookups/config/{tier}/{id}DELETE 请求会删除掉集群中的Lookup如果该Lookup是该tier的最有一个则tier也被删除

删除tier

/druid/coordinator/v1/lookups/config/{tier}DELETE 请求会删除掉集群中的指定tier

列出所有tier名称

/druid/coordinator/v1/lookups/configGET请求将返回动态配置中所有已知的tier名称列表 在请求中加上 discover=true参数(即 /druid/coordinator/v1/lookups/config?discover=true可以查找集群中除动态配置中已知tier之外当前活动的tier列表

列出所有Lookup名称

/druid/coordinator/v1/lookups/config/{tier}GET 请求将返回该tier的所有已知Lookup的名称。

这些接口可用于获取已配置的Lookup的传播状态以使用Historical之类的查找来处理进程。

Lookup状态的API

列出所有Lookups的加载状态

GET /druid/coordinator/v1/lookups/status,参数 detailed 是一个可选的查询参数

列出一个tier中的Lookups的加载状态

GET /druid/coordinator/v1/lookups/status/{tier},参数 detailed 是一个可选的查询参数

列出单个Lookup的加载状态

GET /druid/coordinator/v1/lookups/status/{tier}/{lookup},参数 detailed 是一个可选的查询参数

列出所有进程的Lookup状态

GET /druid/coordinator/v1/lookups/nodeStatus, 参数 discover为可选的查询参数用来发现tiers或者已列出tier的Lookup

列出某个tier中进程的Lookup状态

GET /druid/coordinator/v1/lookups/nodeStatus/{tier}

列出单一进程中Lookup的状态

GET /druid/coordinator/v1/lookups/nodeStatus/{tier}/{host:port}

内部API

在Peon、Router、Broker和Historical进程中都可以消费到Lookup配置。 /druid/listen/v1/lookups 是一个内部API这些进程都使用该API进行 list/load/drop 它们的Lookups。它们遵循与集群范围动态配置相同的返回值约定。以下接口可用于调试目的但不能用于其他目的。

获取Lookups

在一个进程上对 /druid/listen/v1/lookupsGET 请求将返回当前进程上活跃的lookup的一个json map。

{
  "site_id_customer2": {
    "version": "v1",
    "lookupExtractorFactory": {
      "type": "map",
      "map": {
        "AHF77": "Home"
      }
    }
  }
}

获取Lookup

在一个进程上对 /druid/listen/v1/lookups/some_lookup_nameGET 请求将返回由 some_lookup_name 标识的LookupExtractorFactory。

{
  "version": "v1",
  "lookupExtractorFactory": {
    "type": "map",
    "map": {
      "AHF77": "Home"
    }
  }
}

配置

可以查看Coordinator配置中的 Lookups动态配置

使用以下属性来配置Broker/Router/Historical/Peon来宣告它自身作为一个lookup tier的部分。

属性 描述 默认值
druid.lookup.lookupTier 该进程上lookups的tier。 独立于其他tier __default
druid.lookup.lookupTierIsDatasource 对于索引服务任务之类的某些操作数据源是在任务的运行时属性中传递的。此选项从与任务的数据源相同的值中获取tier名称。建议只将其用作索引服务的Peon可选项如果有的话。如果为truedruid.lookup.lookupTier必须指定。 false

在Coordinator上使用以下属性来配置动态配置管理器的行为

属性 描述 默认值
druid.manager.lookups.hostTimeout 每台主机处理请求的超时时间,毫秒单位 2000(2s)
druid.manager.lookups.allHostTimeout 在所有进程上完成Lookup管理的超时时间毫秒单位 900000(15mins)
druid.manager.lookups.period 管理周期中可以暂停多久 120000(2mins)
druid.manager.lookups.threadPoolSize 可以并行的管理的服务进程数量 10

重启时保存配置

可以在重新启动时保存配置这样进程就不必等待Coordinator操作来重新填充其Lookup。为此将设置以下属性

属性 描述 默认值
druid.lookup.snapshotWorkingDir 用于存储当前Lookup配置的快照的工作路径将此属性留空将禁用快照/引导实用程序 null
druid.lookup.enableLookupSyncOnStartup 启动时使用Coordinator启用Lookup同步进程。可查询进程将从Coordinator获取并加载Lookup而不是等待Coordinator加载Lookup。如果集群中没有配置Lookup用户可以选择禁用此选项。 true
druid.lookup.numLookupLoadingThreads 启动时并行加载Lookup的线程数。启动完成后此线程池将被销毁。它不会在JVM的生命周期内保留 可用的处理器/2
druid.lookup.coordinatorFetchRetries 在启动时同步期间重试从Coordinator获取Lookup bean列表的次数。 3
druid.lookup.lookupStartRetries 在启动时同步期间或运行时重试启动每个Lookup的次数。 3
druid.lookup.coordinatorRetryDelay 启动时同步期间从Coordinator获取Lookups列表的重试之间延迟的时间毫秒 60000

Lookup反射

如果lookup类型实现了 LookupIntrospectHandler接口Broker提供了一个Lookup反射的API。

/druid/v1/lookups/introspect/{lookupId} 发送一个 GET 请求将返回完整值的map例如GET /druid/v1/lookups/introspect/nato-phoneti:

{
    "A": "Alfa",
    "B": "Bravo",
    "C": "Charlie",
    ...
    "Y": "Yankee",
    "Z": "Zulu",
    "-": "Dash"
}

key的列表可以通过 GET /druid/v1/lookups/introspect/{lookupId}/keys 来获取到,例如:GET /druid/v1/lookups/introspect/nato-phonetic/keys

[
    "A",
    "B",
    "C",
    ...
    "Y",
    "Z",
    "-"
]

values的列表可以通过 GET /druid/v1/lookups/introspect/{lookupId}/values 来获取到。例如: GET /druid/v1/lookups/introspect/nato-phonetic/values

[
    "Alfa",
    "Bravo",
    "Charlie",
    ...
    "Yankee",
    "Zulu",
    "Dash"
]