THIS IS A TEST INSTANCE. ALL YOUR CHANGES WILL BE LOST!!!!
...
Markdown |
---|
### 根据预聚合结果计算聚合值 对于不同的聚合函数,按照其特点有不同的处理方式,可以分为三组: - SUM、COUNT、AVG:将当前聚合窗口内的预聚合值缓存在队列中,更新队列时同时更新聚合值。 - MAX_VALUE、MIN_VALUE、EXTREME:使用单调队列算法进行优化([LEETCODE-239](https://leetcode-cn.com/problems/sliding-window-maximum/solution/))。 - FIRST_VALUE、LAST_VALUE、MAX_TIME、MIN_TIME:顺序遍历时,LAST_VALUE 和 MAX_TIME 的聚合值总出现在右边界的预聚合值,因此中间结果无需缓存。反之,逆序遍历时,FIRST_VALUE 和 MIN_TIME 的预聚合值无需缓存。 时间复杂度:O(n + m),m 为预聚合窗口的数量。 空间复杂度:O(p + k),p 为缓存的 BatchData 大小,k 为每个聚合窗口中预聚合窗口的数量。 例:整体时间窗口为 [0, 32),序列 `root.sg1.d1.s1` 的数据情况如下,灰色单元格表示对应时间戳没有数据,临近相同颜色的单元格表示来自同一个 BatchData。 **CASE**: 执行:`SELECT sum(s1), max_value(s1), last_value(s1), min_time(s1) FROM root.sg1.d1 GROUP BY ([0,32),8ms,2ms)` 解析 SQL 后得到参数,startTime = 0,endTime = 32,interval = 8,slidingStep = 2。每个预聚合窗口大小为 2。 下面演示各种聚合函数的计算过程: |
Markdown |
---|
## 实现细节
- **时间窗口管理:** 为方便管理时间窗口,可以实现一个工具类 `TimeRangeIterator` 迭代预聚合窗口。
- **预聚合值计算:**
- 不带值过滤:比较简单,每个预聚合窗口的聚合值计算可以直接调用 `GroupByExecutor` 接口的 `List<AggregateResult> calcResult(long curStartTime, long curEndTime)` 得到。
- 带值过滤:考虑梳理出一个类似于不带值过滤的计算接口。
- **预聚合值处理:** 在 `GroupByEngineDataSet` 类中维护队列,完善 `nextWithoutConstraint()` 的执行逻辑。
- **对于不同类型的聚合函数的处理:** 实现数据结构 `SlidingWindowAggrQueue`,根据聚合函数类型对队列进行不同策略的管理。
- **内存管理:** 在最差情况下,队列中需要缓存窗口内全部的原始数据,对内存造成压力。这里参考 [UFTD 框架](https://cwiki.apache.org/confluence/pages/viewpage.action?pageId=165220355) 的内存管理 —— 实现 `ElasticSerializableQueue` 作为 `SlidingWindowAggrQueue` 内缓存值的队列。
- **兼容现有 GROUP BY:** interval < slidingStep,预聚合窗口等于聚合窗口,每次无需缓存,直接返回预聚合结果即可。
- **兼容 UDAF:** 在 UDAF 中,特别地,有返回一个窗口内全部原始数据的需求(如计算方差)。此时可以将预聚合窗口大小设置为 1,增加表示返回原始数据的聚合类型(如 `original`),此时队列中保存的就是窗口内全部的原始数据。 |
...