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

11 KiB
Raw Blame History

查询数据

本教程文档主要为了对如何在 Apache Druid 使用 SQL 进行查询进行说明。

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。因为在 Apache Druid 中进行查询之前, 你需要将数据导入到 Druid 后才能够让进行下一步的操作:

有多种方法能在 Druid 中运行 SQL 查询:从 Druid 控制台中进行查询使用命令行工具command line utility进行查询查询使用 HTTP 方式进行查询。

下面我们将会针对各种查询方式进行说明。

从 Druid 控制台Druid console中进行查询

Druid 控制台提供了视图能够让用户更加容易的在 Druid 进行查询测试,并且查看查询返回的结果。

  1. 如果你的 Druid 没有启动的话,你需要先行启动 Druid 集群,然后通过你的浏览器访问 Druid 控制台。

  2. 单击顶部的 查询Query 导航进入查询界面:

    Query view

    你可以在编辑器中直接写查询语句和脚本,同时 Query 查询输入对话框也提供了代码自动完成功能帮助你完成需要使用的查询语句。

  3. 从左侧的面板中打开 wikipedia 数据源,我们将会从这里对数据源中的 page 进行查询。

  4. 单击 page 然后从菜单中选项 Show:page

    Query select page

    SELECT 查询语句将会在查询编辑器中显示。但是,现在如果你进行查询的话是没有任何返回数据的,这是因为默认的查询时间为最近的一天, 但是我们的数据已经远比这个数据老。因此我们需要删除这个过滤器filter

  5. 在 datasource 的树中,单击 __time 然后选择 Remove Filter

    Clear WHERE filter

  6. 单击 Run 来运行这个查询。

    你应该在返回的对话框中看到 2 列的数据,这个包括有 page name 和 count:

    Query results

    需要注意的是,通过控制台进行查询的返回结果集被限制为默认 100 条记录,这是在 Smart query limit 特性中进行配置的。 这个能够帮助用户避免在运行查询的时候返回大量的数据,有可能会让其系统过载。

  7. 让我们对上面的查询语句进行一些编辑来看看在查询构建器中能够提供那些特性,请在查询构建起器中进行下面的一些修改:

    1. 第一列的 "page" 后面开始输入一个新列的名字 "countryName"。请注意自动完成菜单将会针对你输入的字符提示 列名,函数,关键字以及其他的内容 选择 "countryName" 和添加新的列到 GROUP BY 语句中,可以通过名字或者位置 2 来完成操作。

    2. 为了让我们的 SQL 更加具有可读性,将 Count 列的名字替换为 Edits,这是因为这一列是使用 COUNT() 函数来进行计算的,实际上的目的是返回编辑的次数。 在 ORDER BY 语句中使用同样的名字来进行排序。

      COUNT() 函数是 Druid 提供的多个可用函数的一个。你可以将你的鼠标移动到函数的名字上面,在随后弹出的自动完成对话框中将会对函数的功能进行一个简要的描述 同时,你可以可以通过 Druid 的文档来了解更多的内容,例如, COUNT() 函数的文档位于 Aggregation functions 页面中。

    当完成上面的所有操作后,你的 SQL 脚本应该看起来和下面的是一样的了:

    SELECT
      "page",
      "countryName",
      COUNT(*) AS "Edits"
    FROM "wikipedia"
    GROUP BY 1, 2
    ORDER BY "Edits" DESC
    

    当你对上面的 SQL 脚本再次运行以后你会注意到我们会返回一个新的列dimensioncountryName,但是这一列的大部分行的值都是空的。 让我们通过修改 SQL 来只显示 countryName 不为空的行。

  8. 单击 countryName 这一列在左侧的面部中选择第一个过滤器first filtering的选项。这个过滤器的内容可能并不是我们想要的我们会在后面对其进行编辑 WHERE 语句将会显示在你的查询中。

  9. 修改 WHERE 语句来将 countryName 不为空的列去除掉。

    WHERE "countryName" IS NOT NULL
    

    然后再次运行修改后的 SQL 脚本,你应该可以只看到编辑次数最多的国家:

    Finished query

  10. 在 Druid 使用 SQL 进行查询的后面,所有的 Druid SQL 查询都可以被转换为基于 JSON 格式的 Druid native query 来在 Druid 的数据节点中进行查询。 你可以通过单击查询运行按钮的后面... 然后选择 Explain SQL Query 来进行查看。

    尽管你可以在大部分的情况下使用 Druid SQL但是如果你能够了解 Druid 原生查询的意义,那么对你在问题解决和有关性能问题的调试上面会更加有效,请参考 Native queries 页面来获得更多信息。

    Explain query

    另外一种通过纯文本 JSON 格式查看 SQL 脚本的办法就是在查询脚本前面添加 EXPLAIN PLAN FOR, 如下所示:

    EXPLAIN PLAN FOR
    SELECT
     "page",
     "countryName",
     COUNT(*) AS "Edits"
    FROM "wikipedia"
    WHERE "countryName" IS NOT NULL
    GROUP BY 1, 2
    ORDER BY "Edits" DESC
    

    这种方式针对在控制台工具上运行查询脚本的时候非常有用。

  11. 最后,单击 ... 然后选择 Edit context 来查看你可以添加的其他参数来控制查询的执行。 在这个字段中,可以通过输入基于 JSON 格式的 key-value 对,请参考 Context flags 页面描述的更多内容。

上面就是我们如何通过使用 Druid 控制的查询构建特性来构建的一个简单的数据查询。 在本页面的后续部分提供了更多的一些你可以尝试使用的查询实例。同时请查看 进行查询的其他方法 部分中的内容来了解如何 在命令行工具或者 HTTP 上运行 Druid SQL 查询。

更多的查询实例

下面是你可以在 Druid 上尝试进行查询的一些实例供你测试:

对时间进行查询

SELECT FLOOR(__time to HOUR) AS HourTime, SUM(deleted) AS LinesDeleted
FROM wikipedia WHERE "__time" BETWEEN TIMESTAMP '2015-09-12 00:00:00' AND TIMESTAMP '2015-09-13 00:00:00'
GROUP BY 1

Query example

基本的 group by

SELECT channel, page, SUM(added)
FROM wikipedia WHERE "__time" BETWEEN TIMESTAMP '2015-09-12 00:00:00' AND TIMESTAMP '2015-09-13 00:00:00'
GROUP BY channel, page
ORDER BY SUM(added) DESC

Query example

进行查询的其他方法

通过 dsql 进行查询

为了便于使用Druid 包中还提供了一个 SQL 命令行客户端工具,这个工具位于 bin/dsql 目录中。

如果你直接运行 bin/dsql 的话,你将会看到下面的提示输出:

Welcome to dsql, the command-line client for Druid SQL.
Type "\h" for help.
dsql>

如果希望进行查询的话,将你的 SQL 张贴到 dsql 提示光标后面,然后单击回车:

dsql> SELECT page, COUNT(*) AS Edits FROM wikipedia WHERE "__time" BETWEEN TIMESTAMP '2015-09-12 00:00:00' AND TIMESTAMP '2015-09-13 00:00:00' GROUP BY page ORDER BY Edits DESC LIMIT 10;
┌──────────────────────────────────────────────────────────┬───────┐
│ page                                                     │ Edits │
├──────────────────────────────────────────────────────────┼───────┤
│ Wikipedia:Vandalismusmeldung                             │    33 │
│ User:Cyde/List of candidates for speedy deletion/Subpage │    28 │
│ Jeremy Corbyn                                            │    27 │
│ Wikipedia:Administrators' noticeboard/Incidents          │    21 │
│ Flavia Pennetta                                          │    20 │
│ Total Drama Presents: The Ridonculous Race               │    18 │
│ User talk:Dudeperson176123                               │    18 │
│ Wikipédia:Le Bistro/12 septembre 201518 │
│ Wikipedia:In the news/Candidates                         │    17 │
│ Wikipedia:Requests for page protection                   │    17 │
└──────────────────────────────────────────────────────────┴───────┘
Retrieved 10 rows in 0.06s.

通过 HTTP 进行查询

你可以通过 HTTP 协议将你的查询直接提交给 Druid Broker 进行处理。

本教程中有关将 SQL 转换为 JSON 的脚本保存在 quickstart/tutorial/wikipedia-top-pages-sql.json 文件中,让我们将上面的查询提交给 Druid Broker 进行处理:

curl -X 'POST' -H 'Content-Type:application/json' -d @quickstart/tutorial/wikipedia-top-pages-sql.json http://localhost:8888/druid/v2/sql

下面的结构将会显示查询执行后的返回结果:

[
  {
    "page": "Wikipedia:Vandalismusmeldung",
    "Edits": 33
  },
  {
    "page": "User:Cyde/List of candidates for speedy deletion/Subpage",
    "Edits": 28
  },
  {
    "page": "Jeremy Corbyn",
    "Edits": 27
  },
  {
    "page": "Wikipedia:Administrators' noticeboard/Incidents",
    "Edits": 21
  },
  {
    "page": "Flavia Pennetta",
    "Edits": 20
  },
  {
    "page": "Total Drama Presents: The Ridonculous Race",
    "Edits": 18
  },
  {
    "page": "User talk:Dudeperson176123",
    "Edits": 18
  },
  {
    "page": "Wikipédia:Le Bistro/12 septembre 2015",
    "Edits": 18
  },
  {
    "page": "Wikipedia:In the news/Candidates",
    "Edits": 17
  },
  {
    "page": "Wikipedia:Requests for page protection",
    "Edits": 17
  }
]

延伸阅读

Druid SQL 文档 - 使用 Druid SQL 进行查询更多信息。

查询文档 使用 Druid native 进行查询更多信息。