druid-docs-cn/Querying/Aggregations.md

9.2 KiB
Raw Blame History

聚合(Aggregations)

[!WARNING] Apache Druid支持两种查询语言 Druid SQL原生查询。该文档描述了原生查询中的一种查询方式。 对于Druid SQL中使用的该种类型的信息可以参考 SQL文档

聚合可以在摄取时作为摄取规范的一部分提供作为在数据进入Apache Druid之前汇总数据的一种方式。聚合也可以在查询时指定为许多查询的一部分。

可用聚合包括:

Count聚合器

count计算了过滤器匹配到行的总数:

{ "type" : "count", "name" : <output_name> }

请注意计数聚合器计算Druid的行数这并不总是反映摄取的原始事件数。这是因为Druid可以配置为在摄取时汇总数据。要计算摄取的数据行数请在摄取时包括count聚合器,在查询时包括longSum聚合器。

Sum聚合器

longSum

计算64位有符号整数的和

{ "type" : "longSum", "name" : <output_name>, "fieldName" : <metric_name> }

name 为求和后值的输出名

fieldName 为需要求和的指标列

doubleSum

计算64位浮点数的和longSum相似

{ "type" : "doubleSum", "name" : <output_name>, "fieldName" : <metric_name> }

floatSum

计算32位浮点数的和longSumdoubleSum相似

{ "type" : "floatSum", "name" : <output_name>, "fieldName" : <metric_name> }

Min/Max聚合器

doubleMin

doubleMin计算所有指标值与Double.POSITIVE_INFINITY相比的较小者

{ "type" : "doubleMin", "name" : <output_name>, "fieldName" : <metric_name> }

doubleMax

doubleMax计算所有指标值与Double.NEGATIVE_INFINITY相比的较大者

{ "type" : "doubleMax", "name" : <output_name>, "fieldName" : <metric_name> }

floatMin

floatMin计算所有指标值与Float.POSITIVE_INFINITY相比的较小者

{ "type" : "floatMin", "name" : <output_name>, "fieldName" : <metric_name> }

floatMax

floatMax计算所有指标值与Float.NEGATIVE_INFINITY相比的较大者

{ "type" : "floatMax", "name" : <output_name>, "fieldName" : <metric_name> }

longMin

longMin计算所有指标值与Long.MAX_VALUE的较小者

{ "type" : "longMin", "name" : <output_name>, "fieldName" : <metric_name> }

longMax

longMax计算所有指标值与Long.MIN_VALUE的较大者

{ "type" : "longMax", "name" : <output_name>, "fieldName" : <metric_name> }

doubleMean

计算并返回列值的算术平均值作为64位浮点值。这只是一个查询时聚合器不应在摄入期间使用。

{ "type" : "doubleMean", "name" : <output_name>, "fieldName" : <metric_name> }

First/Last聚合器

Double/Float/Long的First/Last聚合器不能够使用在摄入规范中只能指定为查询时的一部分。

需要注意在启用了rollup的段上进行带有first/last聚合器查询将返回汇总后的值并不是返回原始数据的最后一个值。

doubleFirst

doubleFirst计算最小时间戳的指标值如果不存在行的话默认为0或者SQL兼容下是null

{
  "type" : "doubleFirst",
  "name" : <output_name>,
  "fieldName" : <metric_name>
}

doubleLast

doubleLast计算最大时间戳的指标值如果不存在行的话默认为0或者SQL兼容下是null

{
  "type" : "doubleLast",
  "name" : <output_name>,
  "fieldName" : <metric_name>
}

floatFirst

floatFirst计算最小时间戳的指标值如果不存在行的话默认为0或者SQL兼容下是null

{
  "type" : "floatFirst",
  "name" : <output_name>,
  "fieldName" : <metric_name>
}

floatLast

floatLast计算最大时间戳的指标值如果不存在行的话默认为0或者SQL兼容下是null

{
  "type" : "floatLast",
  "name" : <output_name>,
  "fieldName" : <metric_name>
}

longFirst

longFirst计算最小时间戳的指标值如果不存在行的话默认为0或者SQL兼容下是null

{
  "type" : "longFirst",
  "name" : <output_name>,
  "fieldName" : <metric_name>
}

longLast

longLast计算最大时间戳的指标值如果不存在行的话默认为0或者SQL兼容下是null

{
  "type" : "longLast",
  "name" : <output_name>,
  "fieldName" : <metric_name>,
}

stringFirst

stringFirst 计算最小时间戳的维度值,行不存在的话为null

{
  "type" : "stringFirst",
  "name" : <output_name>,
  "fieldName" : <metric_name>,
  "maxStringBytes" : <integer> # (optional, defaults to 1024)
}

stringLast

stringLast 计算最大时间戳的维度值,行不存在的话为null

{
  "type" : "stringLast",
  "name" : <output_name>,
  "fieldName" : <metric_name>,
  "maxStringBytes" : <integer> # (optional, defaults to 1024)
}

ANY聚合器

Double/Float/Long/String的ANY聚合器不能够使用在摄入规范中只能指定为查询时的一部分。

返回包括null在内的任何值。此聚合器可以通过返回第一个遇到的值包括null来简化和优化性能

doubleAny

doubleAny返回所有double类型的指标值

{
  "type" : "doubleAny",
  "name" : <output_name>,
  "fieldName" : <metric_name>
}

floatAny

floatAny返回所有float类型的指标值

{
  "type" : "floatAny",
  "name" : <output_name>,
  "fieldName" : <metric_name>
}

longAny

longAny返回所有long类型的指标值

{
  "type" : "longAny",
  "name" : <output_name>,
  "fieldName" : <metric_name>,
}

stringAny

stringAny返回所有string类型的指标值

{
  "type" : "stringAny",
  "name" : <output_name>,
  "fieldName" : <metric_name>,
  "maxStringBytes" : <integer> # (optional, defaults to 1024),
}

JavaScript聚合器

计算一组列上的任意JavaScript函数同时允许指标和维度。JavaScript函数应该返回浮点值。

{ "type": "javascript",
  "name": "<output_name>",
  "fieldNames"  : [ <column1>, <column2>, ... ],
  "fnAggregate" : "function(current, column1, column2, ...) {
                     <updates partial aggregate (current) based on the current row values>
                     return <updated partial aggregate>
                   }",
  "fnCombine"   : "function(partialA, partialB) { return <combined partial results>; }",
  "fnReset"     : "function()                   { return <initial value>; }"
}

实例:

{
  "type": "javascript",
  "name": "sum(log(x)*y) + 10",
  "fieldNames": ["x", "y"],
  "fnAggregate" : "function(current, a, b)      { return current + (Math.log(a) * b); }",
  "fnCombine"   : "function(partialA, partialB) { return partialA + partialB; }",
  "fnReset"     : "function()                   { return 10; }"
}

[!WARNING] 基于JavaScript的功能默认是禁用的。 如何启用它以及如何使用Druid JavaScript功能参考 JavaScript编程指南

近似聚合(Approximate Aggregations)

唯一计数(Count distinct)

Apache DataSketches Theta Sketch

聚合器提供的DataSketches Theta Sketch扩展 使用Apache Datasketches库 中的Theta Sketch提供不同的计数估计并支持集合并集、交集和差分后置聚合器。

Apache DataSketches HLL Sketch

聚合器提供的DataSketches HLL Sketch扩展使用HyperLogLog算法给出不同的计数估计。

与Theta草图相比HLL草图不支持set操作更新和合并速度稍慢但需要的空间要少得多

Cardinality, hyperUnique

[!WARNING] 对于新的场景,我们推荐评估使用 DataSketches Theta Sketch扩展DataSketches HLL Sketch扩展 来替代。 DataSketch聚合器通常情况下比经典的Druid cardinalityhyperUnique 聚合器提供更弹性的和更好的精确度。

Cardinality和HyperUnique聚合器是在Druid中默认提供的较旧的聚合器实现它们还使用HyperLogLog算法提供不同的计数估计。较新的数据集Theta和HLL扩展提供了上述聚合器具有更高的精度和性能因此建议改为使用。

DataSketches团队已经发表了一篇关于Druid原始HLL算法和DataSketches HLL算法的比较研究。基于数据集实现已证明的优势我们建议优先使用它们而不是使用Druid最初基于HLL的聚合器。但是为了确保向后兼容性我们将继续支持经典聚合器。

请注意,hyperUnique聚合器与Detasketches HLL或Theta sketches不相互兼容。

多列操作(multi-column handling)

直方图与中位数

其他聚合

过滤聚合器