HugeLookup (HugeLookupBatchOp)

Java 类名：com.alibaba.alink.operator.batch.dataproc.HugeLookupBatchOp

Python 类名：HugeLookupBatchOp

功能介绍

支持大数据量的查找功能，可实现两种数据按照某些列的合并操作，类似于数据的LEFT JOIN功能。

分别指定模型数据和输入数据中查找等值的Key列，模型数据中需要拼接到输入数据中的列名，最终输出数据数据列 + 模型数据拼接的列

参数说明

名称	中文名称	描述	类型	是否必须？	取值范围	默认值
selectedCols	选择的列名	计算列对应的列名列表	String[]	✓
mapKeyCols	Key列名	模型中对应的查找等值的列名	String[]			null
mapValueCols	Values列名	模型中需要拼接到样本中的列名	String[]			null
outputCols	输出结果列列名数组	输出结果列列名数组，可选，默认null	String[]			null
reservedCols	算法保留列名	算法保留列	String[]			null
numThreads	组件多线程线程个数	组件多线程线程个数	Integer			1
modelStreamUpdateMethod	模型更新方法	模型更新方法，可选COMPLETE（全量更新）或者 INCREMENT（增量更新）	String		“COMPLETE”, “INCREMENT”	“COMPLETE”

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

data_df = pd.DataFrame([
    [10, 2.0], 
    [1, 2.0], 
    [-3, 2.0], 
    [5, 1.0]
])

inOp = BatchOperator.fromDataframe(data_df, schemaStr='f0 int, f1 double')

model_df = pd.DataFrame([
    [1, "value1"], 
    [2, "value2"], 
    [5, "value5"]
])

modelOp = BatchOperator.fromDataframe(model_df, schemaStr="key_col int, value_col string")

HugeLookupBatchOp()\
    .setMapKeyCols(["key_col"])\
    .setMapValueCols(["value_col"])\
    .setSelectedCols(["f0"])\
    .linkFrom(modelOp, inOp)\
    .print()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.dataproc.HugeLookupBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;

public class HugeLookupBatchOpTest {
	@Test
	public void testHugeLookupBatchOp() throws Exception {
		List <Row> data_df = Arrays.asList(
			Row.of(10, 2.0),
			Row.of(1, 2.0),
			Row.of(-3, 2.0),
			Row.of(5, 1.0)
		);
		BatchOperator <?> inOp = new MemSourceBatchOp(data_df, "f0 int, f1 double");
		List <Row> model_df = Arrays.asList(
			Row.of(1, "value1"),
			Row.of(2, "value2"),
			Row.of(5, "value5")
		);
		BatchOperator <?> modelOp = new MemSourceBatchOp(model_df, "key_col int, value_col string");
		new HugeLookupBatchOp()
			.setMapKeyCols("key_col")
			.setMapValueCols("value_col")
			.setSelectedCols("f0")
			.linkFrom(modelOp, inOp)
			.print();
	}
}

运行结果

f0	f1	value_col
10	2.0	null
1	2.0	value1
-3	2.0	null
5	1.0	value5