我在BigData DB中有行(我的情况是Cassandra),列名为col1,col2,col3,val1,val2
在SQL方法中,我可以按col1,col2或col2,col1或任何其他可能的方式进行分组。这样我就可以轻松地形成树层次结构。
但现在我们正在使用Cassandra存储不支持group by的数据。因此,我们希望使用Storm进行分组和聚合。 我们写了一些示例代码进行聚合和分组,但是我们无法形成是否可以实现它的意见。
数据看起来像这样
col1,col2,col3,val1,val2
------------------------
a1,b1,c1,10,20
a1,b1,c2,11,13
a1,b2,c1,9,15
a1,b2,c3,13,88
a2,b1,c1,30,44
a2,b3,c2,22,33
a4,b4,c4,99,66
与excel pivot一样,我想构建层次结构root-> child1-> child2-> child3-val1,val2然后如果我的层次结构是col1-> col2-> col3
a1 {43,136}
--b1 {21,33}
--c1 10,20
--c2 11,13
--b2 {22,103}
--c1 9,15
--c3 13,88
a2 {52,77}
--b1 {30,44}
--c1 30,44
--b3 {22,33}
--c2 22,33
a4 {99,66}
--b4 {99,66}
--c4 99,66
我想提供用户功能来重新安排层次结构元素,例如col3-> col1-> col2(或其他东西,也就是动态的) 在这种情况下,数据将如下所示
c1 {49,79}
--a1 {19,35}
--b1 10,20
--b2 9,15
--a2 {30,44}
--b1 30,44
c2 {11,13}
--a1 {11,13}
--b1 11,13
--a2 {22,33}
--b3 22,33
c3 {13,88}
--a1 {13,88}
--b2 13,88
c4 {99,66}
--a4 {99,66}
--b4 99,66
我的三叉戟代码的几行看起来像这样,但没有按预期工作。
topology.newStream("aggregation", spout)
.groupBy(new Fields("col1","col2","col3","val1","val2"))
.aggregate(new Fields("val1","val2"), new Sum(), new Fields("val1sum","val2sum"))
.each(new Fields("col1","col2","col3","val1sum","val2sum"), new Utils.PrintFilter());
为了进行上述转换,我想在有或没有Trident API支持的情况下使用Storm。 谁能指导我如何实现它?任何计划的想法都非常感谢。
答案 0 :(得分:0)
您应该只在groupBy中包含维度(您的col1,col2和col3)和NOT度量(您的val1,val2)。 当您需要聚合多个度量时,需要使用chainedAgg()构造。 以下是您的用例的更改拓扑代码:
topology.newStream("aggregation", spout)
.groupBy(new Fields("col1","col2"))
.chainedAgg()
.aggregate(new Fields("val1"), new Sum(), new Fields("val1sum"))
.aggregate(new Fields("val2"), new Sum(), new Fields("val2sum"))
.chainEnd()
.each(new Fields("col1","col2","val1sum", "val2sum"), new Utils.PrintFilter());
它产生以下输出,正如您所期望的那样!
PartitionId = 0,[a1,b1,21,33]
PartitionId = 0,[a1,b2,22,103]
PartitionId = 0,[a4,b4,99,66]
PartitionId = 0,[a2,b1,30,44]
PartitionId = 0,[a2,b3,22,33]
干杯!
MK