表查找 (Lookup)

Java 类名：com.alibaba.alink.pipeline.dataproc.Lookup

Python 类名：Lookup

功能介绍

支持数据查找功能，支持多个key的查找，并将查找后的结果中的value列添加到待查询数据后面。

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
modelFilePath	模型的文件路径	模型的文件路径	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
overwriteSink	是否覆写已有数据	是否覆写已有数据	Boolean			false
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
modelStreamFilePath	模型流的文件路径	模型流的文件路径	String			null
modelStreamScanInterval	扫描模型路径的时间间隔	描模型路径的时间间隔，单位秒	Integer			10
modelStreamStartTime	模型流的起始时间	模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s)	String			null
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 = StreamOperator.fromDataframe(data_df, schemaStr='f0 string, f1 double')

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

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

Lookup()\
    .setModelData(modelOp)\
    .setMapKeyCols(["key_col"])\
    .setMapValueCols(["value_col"]) \
    .setSelectedCols(["f0"])\
    .transform(inOp)\
    .print()

StreamOperator.execute()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.operator.stream.StreamOperator;
import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
import com.alibaba.alink.pipeline.dataproc.Lookup;
import org.junit.Test;

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

public class LookupTest {
	@Test
	public void testLookup() 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)
		);
		StreamOperator <?> inOp = new MemSourceStreamOp(data_df, "f0 string, f1 double");
		data_df = Arrays.asList(
			Row.of("1", "value1"),
			Row.of("2", "value2"),
			Row.of("5", "value5")
		);
		BatchOperator <?> modelOp = new MemSourceBatchOp(data_df, "key_col string, value_col string");
		new Lookup()
			.setModelData(modelOp)
			.setMapKeyCols("key_col")
			.setMapValueCols("value_col")
			.setSelectedCols("f0")
			.transform(inOp)
			.print();
		StreamOperator.execute();
	}
}

运行结果

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