druid-docs-cn/tutorials/chapter-6.md

4.2 KiB
Raw Blame History

配置数据保留规则

本教程演示如何在数据源上配置保留规则,以设置要保留或删除的数据的时间间隔

本教程我们假设您已经按照单服务器部署中描述下载了Druid并运行在本地机器上。

完成加载本地文件数据查询两部分内容也是非常有帮助的。

加载示例数据

在本教程中我们将使用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

数据摄取规范位于 quickstart/tutorial/retention-index.json, 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,在浏览器中转到http://localhost:8888/unified-console.html#datasources以访问Druid控制台的datasource视图

此视图显示可用的数据源以及每个数据源的保留规则摘要

当前没有为 retention-tutorial 数据源设置规则。请注意,集群有默认规则:在 _default_tier 中永久加载2个副本

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 _default_tier

在本教程中,我们将暂时忽略分层和冗余概念

让我们通过单击"Fully Available"旁边的"24 Segments"链接来查看 retention-tutorial 数据源的段

Segment视图 提供了一个数据源包括的segment信息本页显示有24个段每一个段包括了2015-09-12特定小时的数据

设置数据保留规则

假设我们想删除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。

进入到Datasources视图点击 retention-tutorial 数据源的蓝色铅笔的图标 Cluster default: loadForever

一个规则配置窗口出现了:

现在点击 + New rule 按钮两次

在上边的规则框中,选择 Loadby Interval 然后输入在 by Interval 旁边的输入框中输入 2015-09-12T12:00:00.000Z/2015-09-13T00:00:00.000Z, 副本可以选择保持2_default_tier

在下边的规则框中,选择 Dropforever

规则看上去是这样的:

现在点击 Next, 规则配置过程将要求提供用户名和注释,以便进行更改日志记录。您可以同时输入教程。

现在点击 Save, 可以在Datasources视图中看到新的规则

给集群几分钟时间应用规则更改然后转到Druid控制台中的segments视图。2015年9月12日前12小时的段文件现已消失

生成的保留规则链如下:

  1. loadByInterval 2015-09-12T12/2015-09-13 (12 hours)
  2. dropForever
  3. loadForever (默认规则)

规则链是自上而下计算的,默认规则链始终添加在底部

我们刚刚创建的教程规则链在指定的12小时间隔内加载数据

如果数据不在12小时的间隔内则规则链下一步将计算 dropForever,这将删除任何数据

dropForever 终止了规则链,有效地覆盖了默认的 loadForever 规则,在这个规则链中永远不会到达该规则

注意,在本教程中,我们定义了一个特定间隔的加载规则

相反如果希望根据数据的生命周期保留数据例如保留从过去3个月到现在3个月的数据则应定义一个周期性加载规则(Period Load Rule)。

进一步阅读

加载规则