Druid 分析报表中的实战（一）

产品又过来提需求了！

 

案例需求

需要按日汇总充值总数的数据。

过滤条件：

1. 用户包括：“Tom”和“Jack”
2. 所有城市：“北京”、“上海”、“广州”和“深圳”
3. 日期范围：“2020-03-01”到“2020-03-05”

我们用SQL语句表示一下产品需要什么数据，能够直观的理解需求，SQL表达如下：

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','广州','深圳') 
GROUP By create_date;

druid常用的三种数据查询类型：Timeseries，TopN，GroupBy。

Timeseries：按照指定日期时间段查询规则返回聚合合的结果集，查询规则中可以设置查询粒度、维度，过滤条件和排序方式，并且支持后聚合。返回一个JSON对象数组。

Timeseries其中主要七个部分：

property	description	required?
queryType	查询类型：如：Timeseries、GroupBy，TopN	yes
dataSource	数据源，类似于MySQL的数据表	yes
descending	是否降序，默认为false	no
intervals	间隔，也是查询日期范围，结束日期向后加1	yes
granularity	查询粒度	yes
filter	过滤条件	no
aggregations	聚合器	no
postAggregations	后聚合器	no
context	可以修复查询行为，包括总计和零填充。应用于所有查询类型的参数。	no

根据当前的需求，我们可以用Timerseries查询类型来计算指标。

查询样例

{
    "queryType": "timeseries",            // 查询的类型
	"dataSource": "user_recharge_record", // 数据源
	"granularity": "day",                 // 指定日期聚合分区，按照每天的日期维度汇总数据
	"filter": { // 过滤条件
		"type": "and",
		"fields": 
		[
    		{
                "dimension": "user_name",
                "type": "in",
                "values": ["Tom", "Jack"]
    		},
            {
                "dimension": "city",
                "type": "in",
                "values": ["北京", "上海", "广州", "深圳"]
    		}
		]
		
	},
    "context": {
        "timeout": 28000 // 超时时间
    },
    "aggregations": [               // 聚合器 
    {
        "name": "rechange",     // 聚合后输出的名字
        "type": "doubleSum",    // 数值类型累加
        "fieldName": "rechange" // 聚合时使用的指标列名称
    }
],
"intervals": "2020-03-01\/2020-03-06" // 日期区间
}

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
    }
  }
]

返回结果：

 

搞定需求，可以回家啦！

 

参考

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