Apache Druid：更新数据源中的数据时出现问题

Question

我目前使用的是 druid-Incubating-0.16.0 版本。正如https://druid.apache.org/docs/latest/tutorials/tutorial-update-data.html教程链接中提到的，我们可以使用结合firehose来更新和合并数据源的数据。

步数：1 我使用与初始结构相同的示例数据

┌──────────────────────────┬──────────┬───────┬────────┐
│ __time                   │ animal   │ count │ number │
├──────────────────────────┼──────────┼───────┼────────┤
│ 2018-01-01T01:01:00.000Z │ tiger    │     1 │    100 │
│ 2018-01-01T03:01:00.000Z │ aardvark │     1 │     42 │
│ 2018-01-01T03:01:00.000Z │ giraffe  │     1 │  14124 │
└──────────────────────────┴──────────┴───────┴────────┘

第 2 步： 我用 appendToExisting = false 和 rollUp = true 更新了 Tiger 的数据 {"timestamp":"2018-01-01T01:01:35Z","animal":"tiger", "number":30} 并找到了结果

┌──────────────────────────┬──────────┬───────┬────────┐
│ __time                   │ animal   │ count │ number │
├──────────────────────────┼──────────┼───────┼────────┤
│ 2018-01-01T01:01:00.000Z │ tiger    │     2 │    130 │
│ 2018-01-01T03:01:00.000Z │ aardvark │     1 │     42 │
│ 2018-01-01T03:01:00.000Z │ giraffe  │     1 │  14124 │
└──────────────────────────┴──────────┴───────┴────────┘

第 3 步： 现在我用 appendToExisting = false 和 rollUp = true 更新 giraffe 并得到以下结果

┌──────────────────────────┬──────────┬───────┬────────┐
│ __time                   │ animal   │ count │ number │
├──────────────────────────┼──────────┼───────┼────────┤
│ 2018-01-01T01:01:00.000Z │ tiger    │     1 │    130 │
│ 2018-01-01T03:01:00.000Z │ aardvark │     1 │     42 │
│ 2018-01-01T03:01:00.000Z │ giraffe  │     2 │  14154 │
└──────────────────────────┴──────────┴───────┴────────┘

我的疑问是，在第 3 步中，老虎的数量减少了 1，但我认为它不应该改变，因为老虎的第 3 步没有变化，也没有数字变化

仅供参考，count 和 number 是 metricSpec，它们分别是 count 和 longSum。 请澄清。

---

当使用 ingestSegment firehose 和初始数据时

┌──────────────────────────┬──────────┬───────┬────────┐
│ __time                   │ animal   │ count │ number │
├──────────────────────────┼──────────┼───────┼────────┤
│ 2018-01-01T00:00:00.000Z │ aardvark │     1 │   9999 │
│ 2018-01-01T00:00:00.000Z │ bear     │     1 │    111 │
│ 2018-01-01T00:00:00.000Z │ lion     │     2 │    200 │
└──────────────────────────┴──────────┴───────┴────────┘

在添加一个带有 appendToExisting = true 的新数据 {"timestamp":"2018-01-01T03:01:35Z","animal":"giraffe", "number":30} 时，我得到了

┌──────────────────────────┬──────────┬───────┬────────┐
│ __time                   │ animal   │ count │ number │
├──────────────────────────┼──────────┼───────┼────────┤
│ 2018-01-01T00:00:00.000Z │ aardvark │     1 │   9999 │
│ 2018-01-01T00:00:00.000Z │ bear     │     1 │    111 │
│ 2018-01-01T00:00:00.000Z │ lion     │     2 │    200 │
│ 2018-01-01T00:00:00.000Z │ aardvark │     1 │   9999 │
│ 2018-01-01T00:00:00.000Z │ bear     │     1 │    111 │
│ 2018-01-01T00:00:00.000Z │ giraffe  │     1 │     30 │
│ 2018-01-01T00:00:00.000Z │ lion     │     1 │    200 │
└──────────────────────────┴──────────┴───────┴────────┘

它是正确的和预期的输出吗？为什么汇总没有发生？

Answer 1

德鲁伊实际上只有两种模式。覆盖或附加。

使用appendToExisting=true，您的数据将附加到现有数据中，这将导致“数字”字段增加（计数也会增加）。

使用appendToExisting=false，该段中的所有数据都将被覆盖。我认为这就是正在发生的事情。

这与“普通”数据库不同，您可以在其中更新特定行。

在 druid 中，您可以仅更新某些行，但这是通过重新索引数据来完成的。这不是一个非常容易的过程。 这个重新索引是由一个 ingestSegment Firehose 完成的，它从一个段中读取您的数据，然后将它也写入一个段（可以相同）。在此过程中，您可以添加一个转换过滤器，该过滤器执行特定操作，例如更新某些字段值。

我们已经构建了一个 PHP 库，以使这些过程更易于使用。请参阅此示例如何重新索引段并在重新索引期间应用转换。

https://github.com/level23/druid-client#reindex