- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 Spark SQL 从 Azure 数据库聚合数据。我看到别人最初的做法是这样的:
select
max(Timestamp),
mean(datacolumn1),
median(datacolumn2),
max(datacolumn3)
from myTable where datacolumn2 = "Yes"
and Timestamp between "1684738800000000" and "1684825200000000"
GROUP BY FLOOR((Timestamp)/(N*U*1E6))*(N*U*1E6)
其中 N = 数字,针对聚合类型的整数乘数,U = 聚合类型中的秒数(即秒 = 1、分钟 = 60、小时 = 3600 等)。这应该对这些组内的数据进行平均,但我看到的问题是,当我在本地转换时间戳时,时间戳不正确,这肯定是查询的问题,但我不知道到底是什么。所以我尝试完全重写它:
WITH Aggregated AS (
-- Filter data, convert timestamps, and aggregate in one step
SELECT
FLOOR(Timestamp / (1000000 * N * U)) * (N * U) AS grouped_timestamp,
min(Timestamp) as min_timestamp,
AVG(data1) AS data1,
AVG(data2) AS data2,
AVG(data3) AS data3
FROM dataBaseTable
WHERE Timestamp BETWEEN UNIXtstart AND UNIXtstop
GROUP BY FLOOR(Timestamp / (1000000 * N * U))
)
SELECT
grouped_timestamp,
from_unixtime(CAST(grouped_timestamp / 1000000 AS BIGINT)) AS datetime_representation,
data1,
data2,
data3
FROM Aggregated
ORDER BY grouped_timestamp;
虽然它工作得很好,但速度也非常慢。大约慢 120 倍,这是不现实的,因为数据密度约为微秒。因此,如果我尝试每月甚至每年查询数据的时间戳,最终会在服务器上运行数十亿行。所以我尝试通过改变一些事情来优化它:
WITH Aggregated AS (
-- Filter data, convert timestamps, and aggregate in one step
SELECT
CAST(FLOOR(CAST(Timestamp AS BIGINT) / (1000000 * N * U)) * (N * U) AS BIGINT) AS grouped_timestamp,
MIN(Timestamp) as min_timestamp,
AVG(data1) AS data1,
AVG(data2) AS data2,
AVG(data3) AS data3
FROM dataBaseTable
WHERE Timestamp BETWEEN UNIXtstart AND UNIXtstop
GROUP BY FLOOR(CAST(Timestamp AS BIGINT) / (1000000 * N * U))
)
SELECT
grouped_timestamp,
from_unixtime(CAST(grouped_timestamp / 1000000 AS BIGINT)) AS datetime_representation,
data1,
data2,
data3
FROM Aggregated
ORDER BY grouped_timestamp;
但是,这会产生不正确的时间戳(即-8741307600),当我查找它时,这意味着可能存在整数溢出。我尝试通过显式将 Timestamp 转换为 bigint 来避免它,但这不起作用。尽管这是最后一个选项更快,但我认为它的数学计算不正确。第一个选项是理想的,但并不正确。第二个选项是正确的,但速度太慢。有没有一种方法能够正确、快速地聚合包含数十亿行的大型数据集?
注意:UNIXtstart、UNIXtstop、N 和 U 都是随每个查询而更改的用户输入。这是一个模仿我正在使用的数据结构的测试矩阵:https://dbfiddle.uk/JadOeVwF
PS - 这是 Spark SQL,当我输入 Spark 时找不到它的标签,或者至少可能有一个名称不同但在标签中含义相同的名称。不知道
最佳答案
我在我的环境中尝试了对示例数据的查询,其中 N
为 1,U
为 3600,持续了一小时。即使我得到了和你一样的结果,错误的时间戳。
但是当我给 U
35 (2100) 分钟时就可以了。
因此,您可以使用下面更改后的查询来获取正确的时间戳。
WITH Aggregated AS (
SELECT
CAST(floor(CAST(Timestamp AS BIGINT) / 1000000 / N / U) * (N * U) AS BIGINT) AS grouped_timestamp,
MIN(Timestamp) as min_timestamp,
AVG(data1) AS data1,
AVG(data2) AS data2,
AVG(data3) AS data3
FROM sample1
WHERE Timestamp BETWEEN "1684738800000000" and "1684825200000000"
GROUP BY FLOOR(CAST(Timestamp AS BIGINT) / 1000000 / N / U)
)
SELECT
grouped_timestamp,
from_unixtime(CAST(grouped_timestamp AS BIGINT)) AS datetime_representation,
data1,
data2,
data3
FROM Aggregated
ORDER BY grouped_timestamp;
输出:
在这里,您可以看到我获得了 1 小时时间范围内的聚合值并持续 2 小时。
关于azure - 优化 Spark SQL 查询以进行数据聚合,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/76844792/
似乎有很多方法可以在 Azure 中自动使用 PowerShell。由于 ARM 模板是最新的,Azure 中的其他 PowerShell 选项是否已过时?这些工具/脚本之间有什么区别: Azure
我正在开发一个将托管在 Azure 中的 Web API。我想使用 Azure 诊断将错误记录到 Azure 表存储中。在经典门户中,我可以将日志配置为转到 Azure 表存储。 Classic Po
Azure 文件存储事件可以触发 Azure WebJob 或 Azure Function 吗? 例如,在文件夹“/todo/”中创建文件时。 最佳答案 我们目前没有任何 Azure 文件绑定(bi
我需要创建一个逻辑应用程序,我的要求是,我需要从 azure data Lake Gen2 文件夹迁移 json 文件,并根据某些值需要将该 json 转换为 xml,然后将其发送到 SQL。 因此,
我使用 VS Code 创建了 1 个 node.js 和 1 个 java Azure Function 当我使用 VS Code 将这两个函数部署到 Azure 时,我最终获得了这么多 Azure
收集 Azure 诊断数据时,暂存槽是否也会将诊断数据发送到 WadPerformanceCounters 表? 如果是这样,我该如何关闭它?或者在阅读诊断信息时如何区分暂存/生产。 我不想显示有关我
您好,我是 Azure 的新手。我有 VS 2012 和 Azure SDK 2.1,当我使用模拟器运行我的 Web 应用程序时一切正常。但是当我在 azure 上部署时出现错误消息: Could n
我很难区分 Azure 订阅和 Azure 租户有何不同?我尝试使用示例来弄清楚,但每次我得出的结论是它们在某种程度上是相同的?如果租户是组织在注册 Microsoft 云服务时接收并拥有的 Azur
如果我想在 Azure Insights 中设置自定义指标集合,并以(近)实时的方式可视化其中一些指标,并查看聚合的历史数据,我应该使用 Azure Metrics Explorer 还是 Azure
我想了解具有以下配置的 Azure 数据工厂 (ADF) 的现实示例/用例: Azure 集成运行时 (AIR) 默认值 自托管集成运行时(SHIR) 其他问题: 这两种配置(AIR 和 SHIR)是
请参阅下面来自 Azure 服务总线的指标。想要识别请求数量中的背景噪音|流量较低时的响应。假设振荡请求| session 中 amqp 握手的响应是潜在的。只是不明白这是什么类型的握手?从总线接收的
此问题与 Azure 事件中心和 Azure 服务总线之间的区别无关。 问题如下: 如果您将Azure Events Hub添加到您的应用程序中,那么您会注意到它依赖于Azure Service Bu
这两个事情是完全不同的,还是它们能完成的事情大致相同/相似? 最佳答案 Azure 辅助角色是“应用程序场”中您自己的一组虚拟机。您可以以分布式方式在它们上运行任何代码。通常,您编写业务代码以在这些服
我目前正在使用 Windows Azure 虚拟机来运行 RStudio, 我的虚拟机是 Windows Server R2 2012,它是 Azure 上的一项附加服务。 我还有一个 Azure 存
我们正在寻找托管一个网站(一些 css、js、一个 html 文件,但不是 aspx、一个通用处理程序)。 我们部署为: 1) Azure 网站 2) Azure 云服务 两种解决方案都有效。但有一个
我想从 Azure 表创建 blob。 AzCopy 支持此功能,但我找不到任何说明数据移动 API 也支持它的文档。此选项可用吗? https://azure.microsoft.com/en-us
This article表示 Azure 订阅所有者有权访问订阅中的所有资源。但是,要访问 Azure 数据库,必须是数据库中的用户,或者是 Azure Admin AD 组的成员。 无论 SQL 安
我尝试使用以下代码将 XML 文件上传到 Azure FTP 服务器: https://www.c-sharpcorner.com/article/upload-and-download-files-
除了 Azure 服务总线使用主题而 Azure 事件中心基于事件 - Azure 事件中心和 Azure 服务总线之间是否有任何根本区别? 对我来说,事件和消息之间没有真正的区别,因为两者只是不同类
我有一个通过虚拟网络网关连接到 Azure 虚拟网络的 Windows VPN 客户端。目标#1 是使用其内部 IP 地址连接到我的虚拟机。这有效。 第二个目标是使用其内部计算机名称进行连接(因为 I
我是一名优秀的程序员,十分优秀!