createSessionWindowEngine
语法
createSessionWindowEngine(name, sessionGap, metrics,
dummyTable, outputTable, [timeColumn], [useSystemTime=false], [keyColumn],
[updateTime], [useSessionStartTime=true], [snapshotDir],
[snapshotIntervalInMsgCount], [raftGroup], [forceTriggerTime])
详情
创建流数据会话窗口引擎。
createSessionWindowEngine
的参数绝大多数与
createTimeSeriesEngine
一样,只有 sessionGap 和
useSessionStartTime 是它独有的参数。sessionGap
决定了一个会话窗口何时结束,useSessionStartTime 决定了输出表时间列的时间为各个窗口的起始时刻还是结束时刻。
更多流数据引擎的应用场景说明可以参考 内置流式计算引擎。
自 2.00.11 版本开始,dummyTable 和 outputTable 支持 array vector,但不支持在计算中使用 array vector,即 metrics 中不能包含 array vector 列。
计算规则
若某条数据之后,经过 sessionGap 指定的时间长度内,没有新数据到来,就进行一次窗口截断(以截断前最后一条数据的时间戳 + sessionGap 作为窗口的结束时刻)。窗口结束后新到来的一条数据将触发该窗口的计算。
参数
由于会话窗口引擎的绝大多数参数与时间序列引擎重合,请参照 createTimeSeriesEngine 中参数介绍。这里仅介绍与时间序列引擎不同的参数:
sessionGap 必选参数,正整数标量,是判断窗口结束的时间指标,表示某条数据到来后若等待该时间仍无更新的数据到来,就终止当前窗口。此参数的时间精度取决于 useSystemTime 参数。
useSessionStartTime: 可选参数,布尔值,默认值为 true,表示输出表中的时刻是否为数据窗口起始时刻,即每个窗口中第一条数据的时间戳。若设置为 false,则表示输出表中的时刻为数据窗口结束时刻,即每个窗口中最后一条数据的时刻+ sessionGap。如果指定 updateTime ,useSessionStartTime 必须为 true。
forceTriggerTime 可选参数,非负整数,单位与 timeColumn 的时间精度一致。该参数仅在设置 useSystemTime = false 时起效。当系统收到最后一条数据后,经过 forceTriggerTime 时间,将强制触发未计算的窗口进行计算。
例子
share streamTable(1000:0, `time`sym`volume, [TIMESTAMP, SYMBOL, INT]) as trades
share table(10000:0, `time`sym`sumVolume, [TIMESTAMP, SYMBOL, INT]) as output1
engine_sw = createSessionWindowEngine(name = "engine_sw", sessionGap = 5, metrics = <sum(volume)>, dummyTable = trades, outputTable = output1, timeColumn = `time, keyColumn=`sym)
subscribeTable(tableName="trades", actionName="append_engine_sw", offset=0, handler=append!{engine_sw}, msgAsTable=true)
n = 5
timev = 2018.10.12T10:01:00.000 + (1..n)
symv=take(`A`B`C,n)
volumev = (1..n)%1000
insert into trades values(timev, symv, volumev)
n = 5
timev = 2018.10.12T10:01:00.010 + (1..n)
volumev = (1..n)%1000
symv=take(`A`B`C,n)
insert into trades values(timev, symv, volumev)
n = 6
timev = 2018.10.12T10:01:00.020 + 1 2 3 8 14 20
volumev = (1..n)%1000
symv=take(`A`B`C,n)
insert into trades values(timev, symv, volumev)
select * from output1;
输出返回:
time | sym | volume |
---|---|---|
2018.10.12T10:01:00.001 | A | 5 |
2018.10.12T10:01:00.002 | B | 7 |
2018.10.12T10:01:00.003 | C | 3 |
2018.10.12T10:01:00.011 | A | 5 |
2018.10.12T10:01:00.012 | B | 7 |
2018.10.12T10:01:00.013 | C | 3 |
2018.10.12T10:01:00.021 | A | 1 |
2018.10.12T10:01:00.022 | B | 2 |
2018.10.12T10:01:00.023 | C | 3 |
指定 forceTriggerTime 为 1000 ms,收到最后一条消息后,经过 1000 ms,触发所有分组数据计算输出。用以下代码替换上述引擎创建部分的代码。
engine_sw = createSessionWindowEngine(name = "engine_sw", sessionGap = 5, metrics = <sum(volume)>, dummyTable = trades, outputTable = output1, timeColumn = `time, keyColumn=`sym, forceTriggerTime=1000)
再次查询输出表,可以得到以下结果:
time | sym | volume |
---|---|---|
2018.10.12T10:01:00.001 | A | 5 |
2018.10.12T10:01:00.002 | B | 7 |
2018.10.12T10:01:00.003 | C | 3 |
2018.10.12T10:01:00.011 | A | 5 |
2018.10.12T10:01:00.012 | B | 7 |
2018.10.12T10:01:00.013 | C | 3 |
2018.10.12T10:01:00.021 | A | 1 |
2018.10.12T10:01:00.022 | B | 2 |
2018.10.12T10:01:00.023 | C | 3 |
2018.10.12T10:01:00.028 | A | 4 |
2018.10.12T10:01:00.034 | B | 5 |
2018.10.12T10:01:00.040 | C | 6 |