179 lines
9.3 KiB
Markdown
179 lines
9.3 KiB
Markdown
<!-- toc -->
|
||
|
||
<script async src="https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js"></script>
|
||
<ins class="adsbygoogle"
|
||
style="display:block; text-align:center;"
|
||
data-ad-layout="in-article"
|
||
data-ad-format="fluid"
|
||
data-ad-client="ca-pub-8828078415045620"
|
||
data-ad-slot="7586680510"></ins>
|
||
<script>
|
||
(adsbygoogle = window.adsbygoogle || []).push({});
|
||
</script>
|
||
|
||
## Roll-up
|
||
|
||
Apache Druid可以通过roll-up在数据摄取阶段对原始数据进行汇总。 Roll-up是对选定列集的一级聚合操作，它可以减小存储数据的大小。
|
||
|
||
本教程中将讨论在一个示例数据集上进行roll-up的结果。
|
||
|
||
本教程我们假设您已经按照[单服务器部署](../GettingStarted/chapter-3.md)中描述下载了Druid，并运行在本地机器上。
|
||
|
||
完成[加载本地文件](tutorial-batch.md)和[数据查询](./chapter-4.md)两部分内容也是非常有帮助的。
|
||
|
||
### 示例数据
|
||
|
||
对于本教程，我们将使用一个网络流事件数据的小样本，表示在特定时间内从源到目标IP地址的流量的数据包和字节计数。
|
||
|
||
```json
|
||
{"timestamp":"2018-01-01T01:01:35Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":20,"bytes":9024}
|
||
{"timestamp":"2018-01-01T01:01:51Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":255,"bytes":21133}
|
||
{"timestamp":"2018-01-01T01:01:59Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":11,"bytes":5780}
|
||
{"timestamp":"2018-01-01T01:02:14Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":38,"bytes":6289}
|
||
{"timestamp":"2018-01-01T01:02:29Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":377,"bytes":359971}
|
||
{"timestamp":"2018-01-01T01:03:29Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":49,"bytes":10204}
|
||
{"timestamp":"2018-01-02T21:33:14Z","srcIP":"7.7.7.7", "dstIP":"8.8.8.8","packets":38,"bytes":6289}
|
||
{"timestamp":"2018-01-02T21:33:45Z","srcIP":"7.7.7.7", "dstIP":"8.8.8.8","packets":123,"bytes":93999}
|
||
{"timestamp":"2018-01-02T21:35:45Z","srcIP":"7.7.7.7", "dstIP":"8.8.8.8","packets":12,"bytes":2818}
|
||
```
|
||
位于 `quickstart/tutorial/rollup-data.json` 的文件包含了样例输入数据
|
||
|
||
我们将使用 `quickstart/tutorial/rollup-index.json` 的摄入数据规范来摄取数据
|
||
|
||
```json
|
||
{
|
||
"type" : "index_parallel",
|
||
"spec" : {
|
||
"dataSchema" : {
|
||
"dataSource" : "rollup-tutorial",
|
||
"dimensionsSpec" : {
|
||
"dimensions" : [
|
||
"srcIP",
|
||
"dstIP"
|
||
]
|
||
},
|
||
"timestampSpec": {
|
||
"column": "timestamp",
|
||
"format": "iso"
|
||
},
|
||
"metricsSpec" : [
|
||
{ "type" : "count", "name" : "count" },
|
||
{ "type" : "longSum", "name" : "packets", "fieldName" : "packets" },
|
||
{ "type" : "longSum", "name" : "bytes", "fieldName" : "bytes" }
|
||
],
|
||
"granularitySpec" : {
|
||
"type" : "uniform",
|
||
"segmentGranularity" : "week",
|
||
"queryGranularity" : "minute",
|
||
"intervals" : ["2018-01-01/2018-01-03"],
|
||
"rollup" : true
|
||
}
|
||
},
|
||
"ioConfig" : {
|
||
"type" : "index_parallel",
|
||
"inputSource" : {
|
||
"type" : "local",
|
||
"baseDir" : "quickstart/tutorial",
|
||
"filter" : "rollup-data.json"
|
||
},
|
||
"inputFormat" : {
|
||
"type" : "json"
|
||
},
|
||
"appendToExisting" : false
|
||
},
|
||
"tuningConfig" : {
|
||
"type" : "index_parallel",
|
||
"maxRowsPerSegment" : 5000000,
|
||
"maxRowsInMemory" : 25000
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
通过在 `granularitySpec` 选项中设置 `rollup : true` 来启用Roll-up
|
||
|
||
注意，我们将`srcIP`和`dstIP`定义为**维度**，将`packets`和`bytes`列定义为了`longSum`类型的**指标**，并将 `queryGranularity` 配置定义为 `minute`。
|
||
|
||
加载这些数据后，我们将看到如何使用这些定义。
|
||
|
||
### 加载示例数据
|
||
|
||
在Druid的根目录下运行以下命令：
|
||
|
||
```json
|
||
bin/post-index-task --file quickstart/tutorial/rollup-index.json --url http://localhost:8081
|
||
```
|
||
|
||
脚本运行完成以后，我们将查询数据。
|
||
|
||
### 查询示例数据
|
||
|
||
现在运行 `bin/dsql` 然后执行查询 `select * from "rollup-tutorial";` 来查看已经被摄入的数据。
|
||
|
||
```json
|
||
$ bin/dsql
|
||
Welcome to dsql, the command-line client for Druid SQL.
|
||
Type "\h" for help.
|
||
dsql> select * from "rollup-tutorial";
|
||
┌──────────────────────────┬────────┬───────┬─────────┬─────────┬─────────┐
|
||
│ __time │ bytes │ count │ dstIP │ packets │ srcIP │
|
||
├──────────────────────────┼────────┼───────┼─────────┼─────────┼─────────┤
|
||
│ 2018-01-01T01:01:00.000Z │ 35937 │ 3 │ 2.2.2.2 │ 286 │ 1.1.1.1 │
|
||
│ 2018-01-01T01:02:00.000Z │ 366260 │ 2 │ 2.2.2.2 │ 415 │ 1.1.1.1 │
|
||
│ 2018-01-01T01:03:00.000Z │ 10204 │ 1 │ 2.2.2.2 │ 49 │ 1.1.1.1 │
|
||
│ 2018-01-02T21:33:00.000Z │ 100288 │ 2 │ 8.8.8.8 │ 161 │ 7.7.7.7 │
|
||
│ 2018-01-02T21:35:00.000Z │ 2818 │ 1 │ 8.8.8.8 │ 12 │ 7.7.7.7 │
|
||
└──────────────────────────┴────────┴───────┴─────────┴─────────┴─────────┘
|
||
Retrieved 5 rows in 1.18s.
|
||
|
||
dsql>
|
||
```
|
||
|
||
我们来看发生在 `2018-01-01T01:01` 的三条原始数据：
|
||
|
||
```json
|
||
{"timestamp":"2018-01-01T01:01:35Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":20,"bytes":9024}
|
||
{"timestamp":"2018-01-01T01:01:51Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":255,"bytes":21133}
|
||
{"timestamp":"2018-01-01T01:01:59Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":11,"bytes":5780}
|
||
```
|
||
这三条数据已经被roll up为以下一行数据：
|
||
|
||
```json
|
||
┌──────────────────────────┬────────┬───────┬─────────┬─────────┬─────────┐
|
||
│ __time │ bytes │ count │ dstIP │ packets │ srcIP │
|
||
├──────────────────────────┼────────┼───────┼─────────┼─────────┼─────────┤
|
||
│ 2018-01-01T01:01:00.000Z │ 35937 │ 3 │ 2.2.2.2 │ 286 │ 1.1.1.1 │
|
||
└──────────────────────────┴────────┴───────┴─────────┴─────────┴─────────┘
|
||
```
|
||
|
||
这输入的数据行已经被按照时间列和维度列 `{timestamp, srcIP, dstIP}` 在指标列 `{packages, bytes}` 上做求和聚合
|
||
|
||
在进行分组之前，原始输入数据的时间戳按分钟进行标记/布局，这是由于摄取规范中的 `"queryGranularity"："minute"` 设置造成的。
|
||
同样，`2018-01-01T01:02` 期间发生的这两起事件也已经汇总。
|
||
|
||
```json
|
||
{"timestamp":"2018-01-01T01:02:14Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":38,"bytes":6289}
|
||
{"timestamp":"2018-01-01T01:02:29Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":377,"bytes":359971}
|
||
```
|
||
```json
|
||
┌──────────────────────────┬────────┬───────┬─────────┬─────────┬─────────┐
|
||
│ __time │ bytes │ count │ dstIP │ packets │ srcIP │
|
||
├──────────────────────────┼────────┼───────┼─────────┼─────────┼─────────┤
|
||
│ 2018-01-01T01:02:00.000Z │ 366260 │ 2 │ 2.2.2.2 │ 415 │ 1.1.1.1 │
|
||
└──────────────────────────┴────────┴───────┴─────────┴─────────┴─────────┘
|
||
```
|
||
|
||
对于记录1.1.1.1和2.2.2.2之间流量的最后一个事件没有发生汇总，因为这是 `2018-01-01T01:03` 期间发生的唯一事件
|
||
|
||
```json
|
||
{"timestamp":"2018-01-01T01:03:29Z","srcIP":"1.1.1.1", "dstIP":"2.2.2.2","packets":49,"bytes":10204}
|
||
```
|
||
```json
|
||
┌──────────────────────────┬────────┬───────┬─────────┬─────────┬─────────┐
|
||
│ __time │ bytes │ count │ dstIP │ packets │ srcIP │
|
||
├──────────────────────────┼────────┼───────┼─────────┼─────────┼─────────┤
|
||
│ 2018-01-01T01:03:00.000Z │ 10204 │ 1 │ 2.2.2.2 │ 49 │ 1.1.1.1 │
|
||
└──────────────────────────┴────────┴───────┴─────────┴─────────┴─────────┘
|
||
```
|
||
|
||
请注意，`计数指标 count` 显示原始输入数据中有多少行贡献给最终的"roll up"行。 |