无法运行自定义聚合 OperationTimedOut：errors={}，last_host=127.0.0.1

Question

我有一个正在运行的 apache-cassandra-2.2.1，enable_user_defined_functions 在cassandra.yml 中设置为true。我已经定义了一个基于this article 的自定义聚合，如下所示：

CREATE FUNCTION sumFunc(current double, candidate double) CALLED ON NULL INPUT RETURNS double LANGUAGE java AS 'if(current == null) return candidate; return current + candidate;'
CREATE AGGREGATE sum(double) SFUNC sumFunc STYPE double INITCOND null;

当我从 CQLSH 控制台调用它时，我看到了超时：

cqlsh:test> SELECT word, sum(frequency) FROM words;
OperationTimedOut: errors={}, last_host=127.0.0.1

我可以成功运行任何其他查询，我也可以从 scala 运行查询（但我没有得到完整的结果集）：

CassandraConnector(conf).withSessionDo { session =>
  val result: ResultSet = session.execute("SELECT word, SUM(frequency) FROM test.words;")
  while(result.isExhausted == false) {
    println(result.one)
  }
}

Answer 1

首先，您的查询可能无法达到您的预期，因为它不会按表中的每个单词进行分组。您将获得表中所有频率的总和。要获得一个单词的频率总和，您需要这样做：

SELECT word, sum(frequency) FROM words WHERE word='someword';

其次，我在尝试聚合大约 300,000 行的大型分区时遇到了超时错误（请参阅this）。因此，在超时错误出现之前，您的单词表可能太大而无法聚合。我希望 Cassandra 不会对正在进行的查询超时，但它似乎有一些硬编码的超时，无论是否会中止任务他们正在进步或实际上被卡住了。

由于您的查询没有 WHERE 子句，因此您正在尝试聚合整个表而不是单个分区。这更有可能导致超时错误，因为聚合将发生在分布在多个节点而不是单个节点上的数据上，因此您应该尝试将聚合限制为单个分区。

我认为对于 INITCOND，您应该使用 0 而不是 null。

您的聚合名称可能与内置的系统 sum 函数冲突，因此您可能需要选择不同的名称。但是，看起来你可以使用内置的 sum 函数而不是定义一个（Cassandra 2.2 有 sum()、avg()、min() 和 max() 的未记录的内置函数）。