Druid 分析報表中的實戰（一）

產品又過來提需求了！

 

案例需求

需要按日彙總充值總數的數據。

過濾條件：

1. 用戶包括：“Tom”和“Jack”
2. 所有城市：“北京”、“上海”、“廣州”和“深圳”
3. 日期範圍：“2020-03-01”到“2020-03-05”

我們用SQL語句表示一下產品需要什麼數據，能夠直觀的理解需求，SQL表達如下：

SELECT 
    date，SUM(rechange) AS rechange 
FROM 
    user_recharge_record 
WHERE 
    date>='2020-03-01' AND date<='2020-03-05' AND 
    user_name IN ('Tom', 'Jack') AND 
    city IN ('北京','上海','廣州','深圳') 
GROUP By create_date;

druid常用的三種數據查詢類型：Timeseries，TopN，GroupBy。

Timeseries：按照指定日期時間段查詢規則返回聚合合的結果集，查詢規則中可以設置查詢粒度、維度，過濾條件和排序方式，並且支持後聚合。返回一個JSON對象數組。

Timeseries其中主要七個部分：

property	description	required?
queryType	查詢類型：如：Timeseries、GroupBy，TopN	yes
dataSource	數據源，類似於MySQL的數據表	yes
descending	是否降序，默認爲false	no
intervals	間隔，也是查詢日期範圍，結束日期向後加1	yes
granularity	查詢粒度	yes
filter	過濾條件	no
aggregations	聚合器	no
postAggregations	後聚合器	no
context	可以修復查詢行爲，包括總計和零填充。應用於所有查詢類型的參數。	no

根據當前的需求，我們可以用Timerseries查詢類型來計算指標。

查詢樣例

{
    "queryType": "timeseries",            // 查詢的類型
	"dataSource": "user_recharge_record", // 數據源
	"granularity": "day",                 // 指定日期聚合分區，按照每天的日期維度彙總數據
	"filter": { // 過濾條件
		"type": "and",
		"fields": 
		[
    		{
                "dimension": "user_name",
                "type": "in",
                "values": ["Tom", "Jack"]
    		},
            {
                "dimension": "city",
                "type": "in",
                "values": ["北京", "上海", "廣州", "深圳"]
    		}
		]
		
	},
    "context": {
        "timeout": 28000 // 超時時間
    },
    "aggregations": [               // 聚合器 
    {
        "name": "rechange",     // 聚合後輸出的名字
        "type": "doubleSum",    // 數值類型累加
        "fieldName": "rechange" // 聚合時使用的指標列名稱
    }
],
"intervals": "2020-03-01\/2020-03-06" // 日期區間
}

Results：

[
  {
    "timestamp": "2020-03-01T00:00:00.000+08:00",
    "result": {
      "rechange": 21195.0
    }
  },
  {
    "timestamp": "2020-03-02T00:00:00.000+08:00",
    "result": {
      "rechange": 29785.0
    }
  },
  {
    "timestamp": "2020-03-03T00:00:00.000+08:00",
    "result": {
      "rechange": 31123.0
    }
  },
  {
    "timestamp": "2020-03-04T00:00:00.000+08:00",
    "result": {
      "rechange": 33818.0
    }
  },
  {
    "timestamp": "2020-03-05T00:00:00.000+08:00",
    "result": {
      "rechange": 33658.0
    }
  }
]

返回結果：

 

搞定需求，可以回家啦！

 

參考

https://druid.apache.org/docs/latest/querying/timeseriesquery.html