对于从出票系统流出的数据,我们尝试实现以下目标
获取按状态和客户分组的未结票证数。简化模式如下
Field | Type
-------------------------------------------------
ROWTIME | BIGINT (system)
ROWKEY | VARCHAR(STRING) (system)
ID | BIGINT
TICKET_ID | BIGINT
STATUS | VARCHAR(STRING)
TICKETCATEGORY_ID | BIGINT
SUBJECT | VARCHAR(STRING)
PRIORITY | VARCHAR(STRING)
STARTTIME | BIGINT
ENDTIME | BIGINT
CHANGETIME | BIGINT
REMINDTIME | BIGINT
DEADLINE | INTEGER
CONTACT_ID | BIGINT
我们希望使用这些数据来获得每个客户具有特定状态(打开、等待、进行中等)的票证数量。这些数据必须在另一个主题中的一条消息中显示-方案可能是这样的
Field | Type
-------------------------------------------------
ROWTIME | BIGINT (system)
ROWKEY | VARCHAR(STRING) (system)
CONTACT_ID | BIGINT
COUNT_OPEN | BIGINT
COUNT_WAITING | BIGINT
COUNT_CLOSED | BIGINT
我们计划使用此数据和其他数据来丰富客户信息,并将丰富的数据集发布到外部系统(如elasticsearch)
很容易得到第一部分——按客户和状态分组。
select contact_id,status count(*) cnt from tickets group by contact_id,status;
但现在我们陷入了困境——每个客户都有多行/多条消息,我们只是不知道如何将它们转换成一条以联系人id为键的消息。
我们试过了,但都没有结果。
例子
为按客户分组的状态为“waiting”的所有票证创建表
create table waiting_tickets_by_cust with (partitions=12,value_format='AVRO')
as select contact_id, count(*) cnt from tickets where status='waiting' group by contact_id;
为联接重新设置表键
CREATE TABLE T_WAITING_REKEYED with WITH (KAFKA_TOPIC='WAITING_TICKETS_BY_CUST',
VALUE_FORMAT='AVRO',
KEY='contact_id');
左(外)将该表与我们的客户表连接起来,使我们所有有票的客户都在等待。
select c.id,w.cnt wcnt from T_WAITING_REKEYED w left join CRM_CONTACTS c on w.contact_id=c.id;
但是我们需要所有的客户,等待计数为空,以便在状态处理中使用另一个带有票的join。因为我们只有等待的客户,所以我们只能得到那些对这两种状态都有价值的客户。
ksql> select c.*,t.cnt from T_PROCESSING_REKEYED t left join cust_ticket_tmp1 c on t.contact_id=c.id;
null | null | null | null | 1
1555261086669 | 1472 | 1472 | 0 | 1
1555261086669 | 1472 | 1472 | 0 | 1
null | null | null | null | 1
1555064371937 | 1474 | 1474 | 1 | 1
null | null | null | null | 1
1555064371937 | 1474 | 1474 | 1 | 1
null | null | null | null | 1
null | null | null | null | 1
null | null | null | null | 1
1555064372018 | 3 | 3 | 5 | 6
1555064372018 | 3 | 3 | 5 | 6
那么正确的方法是什么呢?
这是ksql5.2.1
谢谢您
编辑:
下面是一些示例数据
创建了一个将数据限制为测试帐户的主题
CREATE STREAM tickets_filtered
WITH (
PARTITIONS=12,
VALUE_FORMAT='JSON') AS
SELECT id,
contact_id,
subject,
status,
TIMESTAMPTOSTRING(changetime, 'yyyy-MM-dd HH:mm:ss.SSS') AS timestring
FROM tickets where contact_id=1472
PARTITION BY contact_id;
00:06:44 1 $ kafkacat-dev -C -o beginning -t TICKETS_FILTERED
{"ID":2216,"CONTACT_ID":1472,"SUBJECT":"Test Bodenbach","STATUS":"closed","TIMESTRING":"2012-11-08 10:34:30.000"}
{"ID":8945,"CONTACT_ID":1472,"SUBJECT":"sync-test","STATUS":"waiting","TIMESTRING":"2019-04-16 23:07:01.000"}
{"ID":8945,"CONTACT_ID":1472,"SUBJECT":"sync-test","STATUS":"processing","TIMESTRING":"2019-04-16 23:52:08.000"}
Changing and adding something in the ticketing-system...
{"ID":8945,"CONTACT_ID":1472,"SUBJECT":"sync-test","STATUS":"waiting","TIMESTRING":"2019-04-17 00:10:38.000"}
{"ID":8952,"CONTACT_ID":1472,"SUBJECT":"another sync ticket","STATUS":"new","TIMESTRING":"2019-04-17 00:11:23.000"}
{"ID":8952,"CONTACT_ID":1472,"SUBJECT":"another sync ticket","STATUS":"close-request","TIMESTRING":"2019-04-17 00:12:04.000"}
我们希望从这些数据中创建一个主题,其中的消息如下所示
{"CONTACT_ID":1472,"TICKETS_CLOSED":1,"TICKET_WAITING":1,"TICKET_CLOSEREQUEST":1,"TICKET_PROCESSING":0}
1条答案
按热度按时间mepcadol1#
(也写在这里)
可以通过构建一个表(state)然后在该表上构建一个聚合来实现这一点。
设置测试数据
预览主题数据
注册流
查询数据
此时我们可以使用
CASE
要旋转聚合:但是,你会注意到答案并不像预期的那样。这是因为我们正在计算所有六个输入事件。
我们看一张票,身份证
8945
-这经历了三个状态变化(waiting
->processing
->waiting
)每一个都包含在聚合中。我们可以用一个简单的 predicate 来验证这一点:我们真正想要的是每张票的当前状态。所以重新划分票证id上的数据:
比较事件流和当前状态
事件流(ksql流)
当前状态(ksql表)
我们需要运行相同的表的聚合
SUM(CASE…)…GROUP BY
我们在上面所做的技巧,但是基于每张票的当前状态,而不是每个事件:这给了我们想要的:
让我们将另一个票证的事件输入到主题中,并观察表的状态是如何变化的。当状态改变时,表中的行被重新发出;您也可以取消
SELECT
然后重新运行它以仅查看当前状态。自己尝试的示例数据:
如果您想进一步尝试,您可以使用mockaroo生成一个额外的虚拟数据流,通过管道传输
awk
要减慢速度以便在每条消息到达时可以看到对生成的聚合的影响,请执行以下操作: