cassandra - 通过 cqlsh 请求对 Cassandra 执行减法的最佳方法是什么？

Question

我正尝试在 Cassandra 上发出 cqlsh 请求。这个想法是分析基因组中已注释的不同“基因”寄存器的平均长度。输入数据后，我有这个 athaliana.tab 表:

 id                                   | chr | comments          | end      | orf | sense | start    | type
--------------------------------------+-----+-------------------+----------+-----+-------+----------+------
 d2ab2520-6734-11e5-955c-234085c1edec |   1 | gene_id AT1G16340 |  5590338 |   0 |     - |  5590241 |  CDS
 d4169c00-6734-11e5-955c-234085c1edec |   1 | gene_id AT1G16610 |  5676495 |   . |     - |  5676429 | exon
 a8c792c0-6734-11e5-955c-234085c1edec |   1 | gene_id AT1G07485 |  2301889 |   0 |     + |  2301665 |  CDS
 3bd5c0a0-6735-11e5-955c-234085c1edec |   1 | gene_id AT1G51980 | 19326916 |   . |     - | 19326733 | exon
 263b5b60-6735-11e5-955c-234085c1edec |   1 | gene_id AT1G44990 | 17007808 |   . |     - | 17007542 | gene
 67989a50-6735-11e5-955c-234085c1edec |   1 | gene_id AT1G63110 | 23405144 |   . |     + | 23404821 |  UTR
 26f7f4a0-6735-11e5-955c-234085c1edec |   1 | gene_id AT1G45180 | 17101207 |   0 |     + | 17101109 |  CDS
 3743dc70-6735-11e5-955c-234085c1edec |   1 | gene_id AT1G50840 | 18841644 |   0 |     + | 18840965 |  CDS
 e5099940-6734-11e5-955c-234085c1edec |   1 | gene_id AT1G20620 |  7145780 |   . |     + |  7145691 | exon
 2ba30620-6735-11e5-955c-234085c1edec |   1 | gene_id AT1G48180 | 17793717 |   . |     - | 17792449 | gene

思路是获取end-start列数据之间的减法并计算平均值。我试过这种方式:

SELECT avg(end-start) FROM athaliana.tab WHERE chr = '1' AND type = 'gene';

但结果是:

SyntaxException: <ErrorMessage code=2000 [Syntax error in CQL query] message="line 1:14 no viable alternative at input '-' (SELECT avg([end]-...)">

一些想法？非常感谢任何帮助。

Answer 1

Cassandra 旨在实现最大读写效率，不内置支持应用于多列的函数，例如 plus 或 minus 也不支持 聚合，即应用于多行的函数，例如 avg 或 count。

直到最近，解决方法是将函数的结果存储在单独的列中，并在您自己的应用程序代码中执行聚合。

但是，Cassandra 2.2 和 3.0 现在提供用户定义函数 (UDF) 和用户定义聚合 (UDA)。您现在可以定义自己的函数，然后让 Cassandra 为您调用它们。请参阅 UDFs 上的 CQL 规范章节和 UDAs或 this blog post .

首先，创建以下函数和聚合:

USE athaliana;

CREATE FUNCTION minus (x int, y int) RETURNS NULL ON NULL INPUT RETURNS int LANGUAGE java AS 'return x-y;';

CREATE FUNCTION avgState (state tuple<int,bigint>, val int) CALLED ON NULL INPUT RETURNS tuple<int,bigint>  LANGUAGE java AS '
    if (val != null) {
      state.setInt(0, state.getInt(0)+1);
      state.setLong(1, state.getLong(1)+val.intValue());
    }
    return state;
';

CREATE FUNCTION avgFinal (state tuple<int,bigint>) CALLED ON NULL INPUT RETURNS double LANGUAGE java AS '
    double r = 0;
    if (state.getInt(0) == 0) return null;
    r = state.getLong(1);
    r /= state.getInt(0);
    return Double.valueOf(r);
  ';

CREATE AGGREGATE avg(int) SFUNC avgState STYPE tuple<int,bigint> FINALFUNC avgFinal INITCOND (0, 0);

那么您的查询可以这样重写:

SELECT avg(minus(end,start)) FROM athaliana.tab WHERE chr = '1' AND type = 'gene';

请注意，您应该只在单个分区键上使用聚合；如果不是这种情况，将发出警告。