druid-docs-cn/tutorials/tutorial-retention.md

5.4 KiB
Raw Blame History

数据保留规则

本教程对如何在数据源上配置数据保留规则进行了说明数据保留规则主要定义为数据的保留retained或者卸载dropped的时间。

!> 请注意dropped 我们使用了中文 卸载 来进行翻译。但是 Druid 对卸载的数据是会从段里面删除掉的,如果你还需要这些数据的话,你需要将数据重新导入。

假设你已经完成了 快速开始 页面中的内容或者下面页面中有关的内容,并且你的 Druid 实例已经在你的本地的计算机上运行了。

同时,如果你已经完成了下面内容的阅读的话将会更好的帮助你理解 Roll-up 的相关内容。

载入示例数据

在本教程中我们将使用W Wikipedia 编辑的示例数据,其中包含一个摄取任务规范,它将为输入数据每个小时创建一个单独的段。

数据摄取导入规范位于 quickstart/tutorial/retention-index.json 文件中。让我们提交这个规范,将创建一个名称为 retention-tutorial 的数据源。

bin/post-index-task --file quickstart/tutorial/retention-index.json --url http://localhost:8081

摄取完成后,在浏览器中访问 http://localhost:8888/unified-console.html#datasources](http://localhost:8888/unified-console.html#datasources) 然后访问 Druid 的控制台数据源视图。

此视图显示可用的数据源以及每个数据源定义的数据保留规则摘要。

Summary

当前,针对 retention-tutorial 数据源还没有设置数据保留规则。

需要注意的是,针对集群部署方式会配置一个默认的数据保留规则:永久载入 2 个副本并且替换进 _default_tierload forever with 2 replicas in _default_tier。ith 2 replicas in _default_tier.

这意味着无论时间戳如何,所有数据都将加载,并且每个段将复制到两个 Historical 进程的默认层default tier中。

在本教程中我们将暂时忽略分层tiering和冗余redundancy的概念。

通过单击 retention-tutorial 数据源 "Fully Available" 链接边上的 "24 Segments" 来查看段segments信息。

段视图 (http://localhost:8888/unified-console.html#segments) p

Segment视图 提供了一个数据源的段segment信息。 本页显示了有 24 个段,每个段包括有 2015-09-12 每一个小时的数据。

Original segments

设置保留规则

假设我们想卸载 2015年9月12日 前 12 小时的数据,保留 2015年9月12日后 12 小时的数据。

进入 datasources view 页面,然后单击 Cluster default: loadForever 边上的的蓝色铅笔,然后为数据源选择 retention-tutorial

一个针对当前数据源的数据保留策略窗口将会显示出来:

Rule configuration

单击 + New rule 按钮 2 次。

在上层的输入框中输入 Load 然后选择 by interval,然后输入 在 by interval 边上的对话框中输入 2015-09-12T12:00:00.000Z/2015-09-13T00:00:00.000Z。 副本Replicas_default_tier 中可以设置为默认为 2。

然后在下侧的对话框中选择 Dropforever

设置的规则应该看起来和下面这样是一样的:

Set rules

单击 Next。 规则配置进程将要求提供用户名和注释,以及修改的日志以便于记录。你可以同时输入字符 tutorial,当然你也可以用自己的字符。

单击 Save, 随后你就可以在 datasources 视图中看到设置的新的规则了。

New rules

给集群几分钟时间来应用修改的保留规则。然后在 Druid 控制台中进入 segments view。 这时候你应该发现 2015-09-12 前 12 小时的段已经消失了。

New segments

针对上面的修改,新生成的保留规则链如下:

  1. loadByInterval 2015-09-12T12/2015-09-13 (12 hours)

  2. dropForever

  3. loadForever (default rule)

规则链是自上而下计算的,默认规则链始终添加在规则链的最底部。

根据我们刚才教程使用的规则创建的内容链在指定的12小时间隔内加载数据。

如果数据不在 12 小时内的话,那么规则链将会随后对 dropForever 进行评估 —— 评估的结果就是卸载所有的数据。

dropForever 终止了规则链,并且覆盖了默认的 loadForever 规则,因此最后的 loadForever 在这个规则链中永远不会实现到。

请注意,在本教程中,我们定义了一个特定间隔的加载规则。

如果希望根据数据的生命周期来保留保留数据(例如,保留从过去到现在 3 个月以内的数据那么你应该定义一个周期性加载规则Period Load Rule

延伸阅读