mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-11-24 16:42:05 +00:00
283 lines
11 KiB
C++
283 lines
11 KiB
C++
#pragma once
|
||
|
||
#include <common/logger_useful.h>
|
||
|
||
#include <DB/Core/FieldVisitors.h>
|
||
#include <DB/Core/Row.h>
|
||
#include <DB/Core/ColumnNumbers.h>
|
||
#include <DB/DataStreams/MergingSortedBlockInputStream.h>
|
||
#include <DB/Storages/MergeTree/PKCondition.h>
|
||
#include <ext/range.hpp>
|
||
#include <ext/map.hpp>
|
||
|
||
|
||
namespace DB
|
||
{
|
||
|
||
/** Соединяет несколько сортированных потоков в один.
|
||
* При этом, для каждой группы идущих подряд одинаковых значений первичного ключа (столбцов, по которым сортируются данные),
|
||
* схлопывает их в одну строку, суммируя все числовые столбцы кроме первичного ключа.
|
||
* Если во всех числовых столбцах кроме первичного ключа получился ноль, то удаляет строчку.
|
||
*/
|
||
class SummingSortedBlockInputStream : public MergingSortedBlockInputStream
|
||
{
|
||
public:
|
||
SummingSortedBlockInputStream(BlockInputStreams inputs_,
|
||
const SortDescription & description_,
|
||
/// Список столбцов, которых нужно суммировать. Если пустое - берутся все числовые столбцы, не входящие в description.
|
||
const Names & column_names_to_sum_,
|
||
size_t max_block_size_)
|
||
: MergingSortedBlockInputStream(inputs_, description_, max_block_size_), column_names_to_sum(column_names_to_sum_)
|
||
{
|
||
}
|
||
|
||
String getName() const override { return "SummingSorted"; }
|
||
|
||
String getID() const override
|
||
{
|
||
std::stringstream res;
|
||
res << "SummingSorted(inputs";
|
||
|
||
for (size_t i = 0; i < children.size(); ++i)
|
||
res << ", " << children[i]->getID();
|
||
|
||
res << ", description";
|
||
|
||
for (size_t i = 0; i < description.size(); ++i)
|
||
res << ", " << description[i].getID();
|
||
|
||
res << ")";
|
||
return res.str();
|
||
}
|
||
|
||
protected:
|
||
/// Может возвращаться на 1 больше записей, чем max_block_size.
|
||
Block readImpl() override;
|
||
|
||
private:
|
||
Logger * log = &Logger::get("SummingSortedBlockInputStream");
|
||
|
||
/// Прочитали до конца.
|
||
bool finished = false;
|
||
|
||
/// Столбцы с какими номерами надо суммировать.
|
||
Names column_names_to_sum; /// Если задано - преобразуется в column_numbers_to_sum при инициализации.
|
||
ColumnNumbers column_numbers_to_sum;
|
||
|
||
/** Таблица может иметь вложенные таблицы, обрабатываемые особым образом.
|
||
* Если название вложенной таблицы заканчинвается на `Map` и она содержит не менее двух столбцов,
|
||
* удовлетворяющих следующим критериям:
|
||
* - первый столбец - числовой ((U)IntN, Date, DateTime), назовем его условно key,
|
||
* - остальные столбцы - арифметические ((U)IntN, Float32/64), условно (values...).
|
||
* Такая вложенная таблица воспринимается как отображение key => (values...) и при слиянии
|
||
* ее строк выполняется слияние элементов двух множеств по key со сложением соответствующих (values...).
|
||
* Пример:
|
||
* [(1, 100)] + [(2, 150)] -> [(1, 100), (2, 150)]
|
||
* [(1, 100)] + [(1, 150)] -> [(1, 250)]
|
||
* [(1, 100)] + [(1, 150), (2, 150)] -> [(1, 250), (2, 150)]
|
||
* [(1, 100), (2, 150)] + [(1, -100)] -> [(2, 150)]
|
||
*/
|
||
|
||
/// Хранит номера столбца-ключа и столбцов-значений
|
||
struct map_description
|
||
{
|
||
std::size_t key_col_num;
|
||
std::vector<std::size_t> val_col_nums;
|
||
};
|
||
|
||
/// Найденные вложенные Map таблицы
|
||
std::vector<map_description> maps_to_sum;
|
||
|
||
Row current_key; /// Текущий первичный ключ.
|
||
Row next_key; /// Первичный ключ следующей строки.
|
||
|
||
Row current_row;
|
||
bool current_row_is_zero = false; /// Текущая строчка просуммировалась в ноль, и её следует удалить.
|
||
|
||
bool output_is_non_empty = false; /// Отдали ли мы наружу хоть одну строку.
|
||
|
||
/** Делаем поддержку двух разных курсоров - с Collation и без.
|
||
* Шаблоны используем вместо полиморфных SortCursor'ов и вызовов виртуальных функций.
|
||
*/
|
||
template<class TSortCursor>
|
||
void merge(ColumnPlainPtrs & merged_columns, std::priority_queue<TSortCursor> & queue);
|
||
|
||
/// Вставить в результат просуммированную строку для текущей группы.
|
||
void insertCurrentRow(ColumnPlainPtrs & merged_columns);
|
||
|
||
|
||
/** Реализует операцию +=.
|
||
* Возвращает false, если результат получился нулевым.
|
||
*/
|
||
class FieldVisitorSum : public StaticVisitor<bool>
|
||
{
|
||
private:
|
||
const Field & rhs;
|
||
public:
|
||
FieldVisitorSum(const Field & rhs_) : rhs(rhs_) {}
|
||
|
||
bool operator() (UInt64 & x) const { x += get<UInt64>(rhs); return x != 0; }
|
||
bool operator() (Int64 & x) const { x += get<Int64>(rhs); return x != 0; }
|
||
bool operator() (Float64 & x) const { x += get<Float64>(rhs); return x != 0; }
|
||
|
||
bool operator() (Null & x) const { throw Exception("Cannot sum Nulls", ErrorCodes::LOGICAL_ERROR); }
|
||
bool operator() (String & x) const { throw Exception("Cannot sum Strings", ErrorCodes::LOGICAL_ERROR); }
|
||
bool operator() (Array & x) const { throw Exception("Cannot sum Arrays", ErrorCodes::LOGICAL_ERROR); }
|
||
};
|
||
|
||
/** Для вложенных Map выполняется слияние по ключу с выбрасыванием строк вложенных массивов, в которых
|
||
* все элементы - нулевые.
|
||
*/
|
||
template<class TSortCursor>
|
||
bool mergeMaps(Row & row, TSortCursor & cursor)
|
||
{
|
||
auto non_empty_map_present = false;
|
||
|
||
/// merge nested maps
|
||
for (const auto & map : maps_to_sum)
|
||
{
|
||
const auto val_count = map.val_col_nums.size();
|
||
|
||
/// fetch key array reference from accumulator-row
|
||
auto & key_array_lhs = row[map.key_col_num].get<Array>();
|
||
/// returns a Field for pos-th item of val_index-th value
|
||
const auto val_getter_lhs = [&] (const auto val_index, const auto pos) -> decltype(auto) {
|
||
return row[map.val_col_nums[val_index]].get<Array>()[pos];
|
||
};
|
||
|
||
/// we will be sorting key positions, not the entire rows, to minimize actions
|
||
std::vector<std::size_t> key_pos_lhs(ext::range_iterator<std::size_t>{0},
|
||
ext::range_iterator<std::size_t>{key_array_lhs.size()});
|
||
std::sort(std::begin(key_pos_lhs), std::end(key_pos_lhs), [&] (const auto pos1, const auto pos2) {
|
||
return key_array_lhs[pos1] < key_array_lhs[pos2];
|
||
});
|
||
|
||
/// copy key field from current row under cursor
|
||
const auto key_field_rhs = (*cursor->all_columns[map.key_col_num])[cursor->pos];
|
||
/// for each element of `map.val_col_nums` copy corresponding array under cursor into vector
|
||
const auto val_fields_rhs = ext::map<std::vector>(map.val_col_nums,
|
||
[&] (const auto col_num) -> decltype(auto) {
|
||
return (*cursor->all_columns[col_num])[cursor->pos];
|
||
});
|
||
|
||
/// fetch key array reference from row under cursor
|
||
const auto & key_array_rhs = key_field_rhs.get<Array>();
|
||
/// returns a Field for pos-th item of val_index-th value
|
||
const auto val_getter_rhs = [&] (const auto val_index, const auto pos) -> decltype(auto) {
|
||
return val_fields_rhs[val_index].get<Array>()[pos];
|
||
};
|
||
|
||
std::vector<std::size_t> key_pos_rhs(ext::range_iterator<std::size_t>{0},
|
||
ext::range_iterator<std::size_t>{key_array_rhs.size()});
|
||
std::sort(std::begin(key_pos_rhs), std::end(key_pos_rhs), [&] (const auto pos1, const auto pos2) {
|
||
return key_array_rhs[pos1] < key_array_rhs[pos2];
|
||
});
|
||
|
||
/// max size after merge estimation
|
||
const auto max_size = key_pos_lhs.size() + key_pos_rhs.size();
|
||
|
||
/// create arrays with a single element (it will be overwritten on first iteration)
|
||
Array key_array_result(1);
|
||
key_array_result.reserve(max_size);
|
||
std::vector<Array> val_arrays_result(val_count, Array(1));
|
||
for (auto & val_array_result : val_arrays_result)
|
||
val_array_result.reserve(max_size);
|
||
|
||
/// discard first element
|
||
auto discard_prev = true;
|
||
|
||
/// either insert or merge new element
|
||
const auto insert_or_sum = [&] (std::size_t & index, const std::vector<std::size_t> & key_pos,
|
||
const auto & key_array, auto && val_getter) {
|
||
const auto pos = key_pos[index++];
|
||
const auto & key = key_array[pos];
|
||
|
||
if (discard_prev)
|
||
{
|
||
discard_prev = false;
|
||
|
||
key_array_result.back() = key;
|
||
for (const auto val_index : ext::range(0, val_count))
|
||
val_arrays_result[val_index].back() = val_getter(val_index, pos);
|
||
}
|
||
else if (key_array_result.back() == key)
|
||
{
|
||
/// merge with same key
|
||
auto should_discard = true;
|
||
|
||
for (const auto val_index : ext::range(0, val_count))
|
||
if (apply_visitor(FieldVisitorSum{val_getter(val_index, pos)},
|
||
val_arrays_result[val_index].back()))
|
||
should_discard = false;
|
||
|
||
discard_prev = should_discard;
|
||
}
|
||
else
|
||
{
|
||
/// append new key
|
||
key_array_result.emplace_back(key);
|
||
for (const auto val_index : ext::range(0, val_count))
|
||
val_arrays_result[val_index].emplace_back(val_getter(val_index, pos));
|
||
}
|
||
};
|
||
|
||
std::size_t index_lhs = 0;
|
||
std::size_t index_rhs = 0;
|
||
|
||
/// perform 2-way merge
|
||
while (true)
|
||
if (index_lhs < key_pos_lhs.size() && index_rhs == key_pos_rhs.size())
|
||
insert_or_sum(index_lhs, key_pos_lhs, key_array_lhs, val_getter_lhs);
|
||
else if (index_lhs == key_pos_lhs.size() && index_rhs < key_pos_rhs.size())
|
||
insert_or_sum(index_rhs, key_pos_rhs, key_array_rhs, val_getter_rhs);
|
||
else if (index_lhs < key_pos_lhs.size() && index_rhs < key_pos_rhs.size())
|
||
if (key_array_lhs[key_pos_lhs[index_lhs]] < key_array_rhs[key_pos_rhs[index_rhs]])
|
||
insert_or_sum(index_lhs, key_pos_lhs, key_array_lhs, val_getter_lhs);
|
||
else
|
||
insert_or_sum(index_rhs, key_pos_rhs, key_array_rhs, val_getter_rhs);
|
||
else
|
||
break;
|
||
|
||
/// discard last row if necessary
|
||
if (discard_prev)
|
||
key_array_result.pop_back();
|
||
|
||
/// store results into accumulator-row
|
||
key_array_lhs = std::move(key_array_result);
|
||
for (const auto val_col_index : ext::range(0, val_count))
|
||
{
|
||
/// discard last row if necessary
|
||
if (discard_prev)
|
||
val_arrays_result[val_col_index].pop_back();
|
||
|
||
row[map.val_col_nums[val_col_index]].get<Array>() = std::move(val_arrays_result[val_col_index]);
|
||
}
|
||
|
||
if (!key_array_lhs.empty())
|
||
non_empty_map_present = true;
|
||
}
|
||
|
||
return non_empty_map_present;
|
||
}
|
||
|
||
/** Прибавить строчку под курсором к row.
|
||
* Возвращает false, если результат получился нулевым.
|
||
*/
|
||
template<class TSortCursor>
|
||
bool addRow(Row & row, TSortCursor & cursor)
|
||
{
|
||
bool res = mergeMaps(row, cursor); /// Есть ли хотя бы одно ненулевое число или непустой массив
|
||
|
||
for (size_t i = 0, size = column_numbers_to_sum.size(); i < size; ++i)
|
||
{
|
||
size_t j = column_numbers_to_sum[i];
|
||
if (apply_visitor(FieldVisitorSum((*cursor->all_columns[j])[cursor->pos]), row[j]))
|
||
res = true;
|
||
}
|
||
|
||
return res;
|
||
}
|
||
};
|
||
|
||
}
|