1

我在 BigData DB（在我的情况下为 Cassandra）中有列名称为 col1、col2、col3、val1、val2 的行

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。这样我可以很容易地形成树层次结构。

但是现在我们使用 Cassandra 来存储不支持 group by 的数据。所以我们想使用 Storm 进行分组和聚合。我们编写了一些示例代码进行聚合和分组，但我们无法形成是否可以实现的意见。

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

就像在 excel pivot 中一样，我想构建层次结构 root->child1->child2->child3-val1,val2 如果我的层次结构是 col1->col2->col3，它可能看起来像这样

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

我想为用户提供重新排列层次结构元素的功能，例如 col3->col1->col2 （或其他东西，它是动态的）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，它没有按预期工作。

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？非常感谢任何程序创意。

4

1 回答 1

0

您应该在 groupBy 中仅包含维度（您的 col1、col2 和 col3）而不是度量（您的 val1、val2）。当您需要聚合多个度量时，您需要使用 chainedAgg() 构造。以下是您的用例更改后的拓扑代码：

            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());

正如您所期望的那样，它会产生以下输出！

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

于 2014-02-07T19:01:31.013 回答