聚合查询

聚合查询的主要逻辑在 AggregateExecutor

  • org.apache.iotdb.db.query.executor.AggregationExecutor

不带值过滤条件的聚合查询

对于不带值过滤条件的聚合查询，通过 executeWithoutValueFilter() 方法获得结果并构建 dataSet。首先使用 mergeSameSeries() 方法将对于相同时间序列的聚合查询合并，例如：如果需要计算count(s1), sum(s2), count(s3), sum(s1)，即需要计算s1的两个聚合值，那么将会得到pathToAggrIndexesMap结果为：s1 -> 0, 3; s2 -> 1; s3 -> 2。

那么将会得到 pathToAggrIndexesMap，其中每一个 entry 都是一个 series 的聚合查询，因此可以通过调用 groupAggregationsBySeries() 方法计算出其聚合值 aggregateResults。在最后创建结果集之前，需要将其顺序还原为用户查询的顺序。最后使用 constructDataSet() 方法创建结果集并返回。

下面详细讲解 groupAggregationsBySeries() 方法。首先创建一个 IAggregateReader：

IAggregateReader seriesReader = new SeriesAggregateReader(
        pathToAggrIndexes.getKey(), tsDataType, context, QueryResourceManager.getInstance()
        .getQueryDataSource(seriesPath, context, timeFilter), timeFilter, null);

对于每一个 entry（即series），首先为其每一种聚合查询创建一个聚合结果 AggregateResult，同时维护一个布尔值列表 isCalculatedList，对应每一个 AggregateResult是否已经计算完成，并记录需要剩余计算的聚合函数数目 remainingToCalculate。布尔值列表和这个计数值将会使得某些聚合函数（如 FIRST_VALUE）在获得结果后，不需要再继续进行整个循环过程。

接下来，按照5.2节所介绍的 aggregateReader 使用方法，更新 AggregateResult：

while (aggregateReader.hasNextChunk()) {
  if (aggregateReader.canUseCurrentChunkStatistics()) {
    Statistics chunkStatistics = aggregateReader.currentChunkStatistics();
    
    // do some aggregate calculation using chunk statistics
    ...
    
    aggregateReader.skipCurrentChunk();
    continue;
  }
	  
  while (aggregateReader.hasNextPage()) {
	 if (aggregateReader.canUseCurrentPageStatistics()) {
	   Statistics pageStatistic = aggregateReader.currentPageStatistics();
	   
	   // do some aggregate calculation using page statistics
      ...
	   
	   aggregateReader.skipCurrentPage();
	   continue;
	 } else {
	 	BatchData batchData = aggregateReader.nextPage();
	 	// do some aggregate calculation using batch data
      ...
	 }	 
  }
}

需要注意的是，在对于每一个result进行更新之前，需要首先判断其是否已经被计算完（利用 isCalculatedList 列表）；每一次更新后，调用 isCalculatedAggregationResult() 方法同时更新列表中的布尔值。如果列表中所有值均为true，即 remainingToCalculate 值为0，证明所有聚合函数结果均已计算完，可以返回。

if (Boolean.FALSE.equals(isCalculatedList.get(i))) {
  AggregateResult aggregateResult = aggregateResultList.get(i);
  ... // 更新
  if (aggregateResult.isCalculatedAggregationResult()) {
    isCalculatedList.set(i, true);
    remainingToCalculate--;
    if (remainingToCalculate == 0) {
      return aggregateResultList;
    }
  }
}

在使用 overlapedPageData 进行更新时，由于获得每一个聚合函数结果都会遍历这个 batchData，因此需要调用 resetBatchData() 方法将指针指向其开始位置，使得下一个函数可以遍历。

带值过滤条件的聚合查询

对于带值过滤条件的聚合查询，通过 executeWithoutValueFilter() 方法获得结果并构建 dataSet。首先根据表达式创建 timestampGenerator，然后为每一个时间序列创建一个 SeriesReaderByTimestamp，放到 readersOfSelectedSeries列表中；为每一个查询创建一个聚合结果 AggregateResult，放到 aggregateResults列表中。

初始化完成后，调用 aggregateWithValueFilter() 方法更新结果：

while (timestampGenerator.hasNext()) {
  // 生成timestamps
  long[] timeArray = new long[aggregateFetchSize];
  int timeArrayLength = 0;
  for (int cnt = 0; cnt < aggregateFetchSize; cnt++) {
    if (!timestampGenerator.hasNext()) {
      break;
    }
    timeArray[timeArrayLength++] = timestampGenerator.next();
  }

  // 利用timestamps计算聚合结果
  for (int i = 0; i < readersOfSelectedSeries.size(); i++) {
    aggregateResults.get(i).updateResultUsingTimestamps(timeArray, timeArrayLength,
      readersOfSelectedSeries.get(i));
    }
  }

使用Level来统计点数

对于count聚合查询，我们也可以使用level关键字来进一步汇总点数。

这个逻辑在 AggregationExecutor类里。

  1. 首先，把所有涉及到的时序按level来进行汇集，最后的路径。

    例如把root.sg1.d1.s0,root.sg1.d2.s1按level=1汇集成root.sg1。

  2. 然后调用上述的聚合逻辑求出所有时序的总点数信息，这个会返回RowRecord数据结构。

  3. 最后，把聚合查询返回的RowRecord按上述的final paths，进行累加，组合成新的RowRecord。

    例如，把《root.sg1.d1.s0,3》，《root.sg1.d2.s1，4》聚合成《root.sg1，7》

注意:

  1. 这里只支持count操作
  2. root的层级level=0