Question

我正在运行apache-cassandra-2.2.1，enable_user_defined_functions设置为true cassandra.yml。我已根据this article定义了一个自定义聚合，如下所示：

CREATE FUNCTION sumFunc(current double, candidate double) CALLED ON NULL INPUT RETURNS double LANGUAGE java AS 'if(current == null) return candidate; return current + candidate;'
CREATE AGGREGATE sum(double) SFUNC sumFunc STYPE double INITCOND null;

当我从CQLSH控制台调用它时，我看到超时：

cqlsh:test> SELECT word, sum(frequency) FROM words;
OperationTimedOut: errors={}, last_host=127.0.0.1

我可以成功运行任何其他查询，我也可以从scala运行查询（但我没有得到完整的结果集）：

CassandraConnector(conf).withSessionDo { session =>
  val result: ResultSet = session.execute("SELECT word, SUM(frequency) FROM test.words;")
  while(result.isExhausted == false) {
    println(result.one)
  }
}

Answer 1

首先，您的查询可能无法达到您的预期，因为它不会按表格中的每个单词进行分组。您将得到表中所有频率的总和。要获得单词的频率总和，您需要执行此操作：

SELECT word, sum(frequency) FROM words WHERE word='someword';

其次，我在尝试聚合超过300,000行的大型分区时看到了超时错误（请参阅this）。因此，在超时错误开始之前，你的单词表太大而无法聚合。我希望Cassandra不会在正在取得进展的查询上超时，但它似乎有一些硬编码的超时会中止任务，无论是否他们正在进步或实际上被卡住了。

由于您的查询没有WHERE子句，因此您尝试聚合整个表而不是单个分区。这将导致超时错误的可能性更大，因为聚合将发生在多个节点而不是单个节点上的数据上，因此您应该尝试将聚合限制为单个分区。

我认为INITCOND你想要使用0而不是null。

聚合的名称可能与内置系统和函数冲突，因此您可能希望选择其他名称。但是，看起来你可以使用内置的sum函数而不是定义一个（Cassandra 2.2有sum（），avg（），min（）和max（））的未记录的内置函数。

无法运行自定义聚合OperationTimedOut：errors = {}，last_host = 127.0.0.1

1 个答案: