时间戳

首页 > 解决方案 > 从逗号 sep 字符串中提取多值维度

druid - 从逗号 sep 字符串中提取多值维度

问题描述

我有来自 Kafka 的具有以下结构的事件数据，我想在 Druid 中摄取

{
  "event": "some_event",
  "id": "1",
  "parameters": {
    "campaigns": "campaign1, campaign2",
    "other_stuff": "important_info"  
  }
}

具体来说，我想将维度“活动”从逗号分隔的字符串转换为数组/多值维度，以便可以很好地对其进行过滤和分组。到目前为止，我的摄取如下

{
  "type": "kafka",
  "dataSchema": {
    "dataSource": "event-data",
    "parser": {
      "type": "string",
      "parseSpec": {
        "format": "json",
        "timestampSpec": {
          "column": "timestamp",
          "format": "posix"
        },
        "flattenSpec": {
          "fields": [
            {
              "type": "root", 
              "name": "parameters"
            },
            {
              "type": "jq", 
              "name": "campaigns", 
              "expr": ".parameters.campaigns"
            }
          ]
        }
      },
      "dimensionSpec": {
        "dimensions": [
          "event", 
          "id", 
          "campaigns"
        ]
      }
    },
    "metricsSpec": [
      {
        "type": "count",
        "name": "count"
      }
    ],
    "granularitySpec": {
      "type": "uniform",
      ...
    }
  },
  "tuningConfig": {
      "type": "kafka",
      ...
  },
  "ioConfig": {
    "topic": "production-tracking", 
    ...  
  }  
}

然而，这会导致广告系列被作为字符串摄取。我既找不到在 flattenSpec 中使用 jq 表达式从中生成数组的方法，也找不到可以用作 transformSpec 的字符串拆分表达式之类的东西。

有什么建议么？

标签： druiddata-ingestion

解决方案

尝试useFieldDiscover: false在您的摄取规范中进行设置。当此标志设置为 true（这是默认情况）时，它将在根级别将所有具有奇异值（不是映射或列表）和平面列表（奇异值列表）的字段解释为列。

这是使用 flatten 规范的一个很好的示例和参考链接： https ://druid.apache.org/docs/latest/ingestion/flatten-json.html

推荐阅读