降采样查询的结果集都会继承 GroupByEngineDataSet
,该类包含如下字段:
protected long queryId
private long interval
private long slidingStep
以下两个字段针对整个查询,时间段为左闭右开,即 [startTime, endTime)
:
private long startTime
private long endTime
以下字段针对当前分段,时间段为左闭右开,即 [curStartTime, curEndTime)
protected long curStartTime;
protected long curEndTime;
private int usedIndex;
protected boolean hasCachedTimeInterval;
GroupByEngineDataSet
的核心方法很容易,首先根据是否有缓存的时间段判断是否有下一分段,有则返回 true
;如果没有就计算分段开始时间,将 usedIndex
增加 1。如果分段开始时间已经超过了查询结束时间,返回 false
,否则计算查询结束时间,将 hasCachedTimeInterval
置为true
,并返回 true
:
protected boolean hasNextWithoutConstraint() {
if (hasCachedTimeInterval) {
return true;
}
curStartTime = usedIndex * slidingStep + startTime;
usedIndex++;
if (curStartTime < endTime) {
hasCachedTimeInterval = true;
curEndTime = Math.min(curStartTime + interval, endTime);
return true;
} else {
return false;
}
}
不带值过滤条件的降采样查询
不带值过滤条件的降采样查询逻辑主要在 GroupByWithoutValueFilterDataSet
类中,该类继承了 GroupByEngineDataSet
。
该类有如下关键字段:
private Map<Path, GroupByExecutor> pathExecutors 针对于相同
Path
的聚合函数进行归类,并封装成GroupByExecutor
,GroupByExecutor
封装了每个Path
的数据计算逻辑和方法,在后面介绍private TimeRange timeRange 将每次计算的时间区间封装成对象,用于判断
Statistics
是否可以直接参与计算private Filter timeFilter 将用户定义的查询区间生成为
Filter
对象,用来过滤可用的文件
、chunk
、page
首先,在初始化 initGroupBy()
方法中,根据表达式计算出 timeFilter
,并为每个 path
生成 GroupByExecutor
。
nextWithoutConstraint()
方法通过调用 GroupByExecutor.calcResult()
方法计算出每个 Path
内的所有聚合方法的聚合值 aggregateResults
。 以下方法用于将结果列表转化为 RowRecord,需要注意列表中没有结果时, RowRecord 中添加 null
:
for (AggregateResult res : fields) {
if (res == null) {
record.addField(null);
continue;
}
record.addField(res.getResult(), res.getResultDataType());
}
GroupByExecutor
封装了相同 path 下的所有聚合函数的计算方法,该类有如下关键字段:
private IAggregateReader reader 读取当前
Path
数据用到的SeriesAggregateReader
private BatchData preCachedData 每次从
Reader
读取的数据是一批,很有可能会超过当前的时间段,那么这个BatchData
就会被缓存留给下一次使用private List<Pair<AggregateResult, Integer>> results 存储了当前
Path
里所有的聚合方法, 例如:select count(a),sum(a),avg(b)
,count
和sum
方法就被存到一起。 右侧的Integer
用于结果集转化为 RowRecord 之前,需要将其顺序还原为用户查询的顺序。
主要方法
//从 reader 中读取数据,并计算,该类的主方法。
private List<Pair<AggregateResult, Integer>> calcResult() throws IOException, QueryProcessException;
//添加当前 path 的聚合操作
private void addAggregateResult(AggregateResult aggrResult, int index);
//判断当前 path 是否已经完成了所有的聚合计算
private boolean isEndCalc();
//从上次计算没有使用完缓存的 BatchData 中计算结果
private boolean calcFromCacheData() throws IOException;
//使用 BatchData 计算
private void calcFromBatch(BatchData batchData) throws IOException;
//使用 Page 或 Chunk 的 Statistics 信息直接计算结果
private void calcFromStatistics(Statistics statistics) throws QueryProcessException;
//清空所有计算结果
private void resetAggregateResults();
//遍历并计算 page 中的数据
private boolean readAndCalcFromPage() throws IOException, QueryProcessException;
GroupByExecutor
中因为相同 path
的不同聚合函数使用的数据是相同的,所以在入口方法 calcResult
中负责读取该 Path
的所有数据, 取出来的数据再调用 calcFromBatch
方法完成遍历所有聚合函数对 BatchData
的计算。
calcResult
方法返回当前 Path 下的所有 AggregateResult,以及当前聚合值在用户查询顺序里的位置,其主要逻辑:
//把上次遗留的数据先做计算,如果能直接获得结果就结束计算
if (calcFromCacheData()) {
return results;
}
//因为一个 chunk 是包含多个 page 的,那么必须先使用完当前 chunk 的 page,再打开下一个 chunk
if (readAndCalcFromPage()) {
return results;
}
//遗留的数据如果计算完了就要打开新的 chunk 继续计算
while (reader.hasNextChunk()) {
Statistics chunkStatistics = reader.currentChunkStatistics();
// 判断能否使用 Statistics,并执行计算
....
// 跳过当前 chunk
reader.skipCurrentChunk();
// 如果已经获取到了所有结果就结束计算
if (isEndCalc()) {
return true;
}
continue;
}
//如果不能使用 chunkStatistics 就需要使用 page 数据计算
if (readAndCalcFromPage()) {
return results;
}
}
readAndCalcFromPage
方法是从当前打开的 chunk 中获取 page 的数据,并计算聚合结果。当完成所有计算时返回 true,否则返回 false。主要逻辑:
while (reader.hasNextPage()) {
Statistics pageStatistics = reader.currentPageStatistics();
//只有 page 与其它 page 不相交时,才能使用 pageStatistics
if (pageStatistics != null) {
// 判断能否使用 Statistics,并执行计算
....
// 跳过当前 page
reader.skipCurrentPage();
// 如果已经获取到了所有结果就结束计算
if (isEndCalc()) {
return true;
}
continue;
}
}
// 不能使用 Statistics 时,只能取出所有数据进行计算
BatchData batchData = reader.nextPage();
if (batchData == null || !batchData.hasCurrent()) {
continue;
}
// 如果刚打开的 page 就超过时间范围,缓存取出来的数据并直接结束计算
if (batchData.currentTime() >= curEndTime) {
preCachedData = batchData;
return true;
}
//执行计算
calcFromBatch(batchData);
...
}
calcFromBatch
方法是对于取出的 BatchData 数据,遍历所有聚合函数进行计算,主要逻辑为:
for (Pair<AggregateResult, Integer> result : results) {
//如果某个函数已经完成了计算,就不在进行计算了,比如最小值这种计算
if (result.left.isCalculatedAggregationResult()) {
continue;
}
// 执行计算
....
}
//判断当前的 batchdata 里的数据是否还能被下次使用,如果能则加到缓存中
if (batchData.getMaxTimestamp() >= curEndTime) {
preCachedData = batchData;
}
带值过滤条件的聚合查询
带值过滤条件的降采样查询逻辑主要在 GroupByWithValueFilterDataSet
类中,该类继承了 GroupByEngineDataSet
。
该类有如下关键字段:
private List<IReaderByTimestamp> allDataReaderList
private GroupByPlan groupByTimePlan
private TimeGenerator timestampGenerator
private long timestamp 用于为下一个 group by 分区缓存 timestamp
private boolean hasCachedTimestamp 用于判断是否有为下一个 group by 分区缓存 timestamp
private int timeStampFetchSize 是 group by 计算 batch 的大小
首先,在初始化 initGroupBy()
方法中,根据表达式创建 timestampGenerator
;然后为每一个时间序列创建一个 SeriesReaderByTimestamp
,放到 allDataReaderList
列表中
初始化完成后,调用 nextWithoutConstraint()
方法更新结果。如果有为下一个 group by 分区缓存 timestamp,且时间符合要求,则将其加入 timestampArray
中,否则直接返回 aggregateResultList
结果;在没有为下一个 group by 分区缓存 timestamp 的情况下,使用 timestampGenerator
进行遍历:
while (timestampGenerator.hasNext()) {
// 调用 constructTimeArrayForOneCal() 方法,得到 timestamp 列表
timeArrayLength = constructTimeArrayForOneCal(timestampArray, timeArrayLength);
// 调用 updateResultUsingTimestamps() 方法,使用 timestamp 列表计算聚合结果
for (int i = 0; i < paths.size(); i++) {
aggregateResultList.get(i).updateResultUsingTimestamps(
timestampArray, timeArrayLength, allDataReaderList.get(i));
}
timeArrayLength = 0;
// 判断是否到结束
if (timestamp >= curEndTime) {
hasCachedTimestamp = true;
break;
}
}
其中的 constructTimeArrayForOneCal()
方法遍历 timestampGenerator 构建 timestamp 列表:
for (int cnt = 1; cnt < timeStampFetchSize && timestampGenerator.hasNext(); cnt++) {
timestamp = timestampGenerator.next();
if (timestamp < curEndTime) {
timestampArray[timeArrayLength++] = timestamp;
} else {
hasCachedTimestamp = true;
break;
}
}
使用 Level 来汇总降采样的总点数
降采样后,我们也可以使用 level 关键字来进一步汇总点数。
这个逻辑在 GroupByTimeDataSet
类里。
首先,把所有涉及到的时序按 level 来进行汇集,最后的路径。
例如把 root.sg1.d1.s0,root.sg1.d2.s1 按 level=1 汇集成 root.sg1。
然后调用上述的降采样逻辑求出所有时序的总点数信息,这个会返回 RowRecord 数据结构。
最后,把降采样返回的 RowRecord 按上述的 final paths,进行累加,组合成新的 RowRecord。
例如,把《root.sg1.d1.s0,3》,《root.sg1.d2.s1,4》聚合成《root.sg1,7》
注意:
这里只支持 count 操作
root 的层级 level=0