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

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. data_df = pd.DataFrame([
  8.     [10, 2.0], 
  9.     [1, 2.0], 
  10.     [-3, 2.0], 
  11.     [5, 1.0]
  12. ])
  14. inOp = BatchOperator.fromDataframe(data_df, schemaStr='f0 int, f1 double')
  16. model_df = pd.DataFrame([
  17.     [1, "value1"], 
  18.     [2, "value2"], 
  19.     [5, "value5"]
  20. ])
  22. modelOp = BatchOperator.fromDataframe(model_df, schemaStr="key_col int, value_col string")
  24. HugeLookupBatchOp()\
  25.     .setMapKeyCols(["key_col"])\
  26.     .setMapValueCols(["value_col"])\
  27.     .setSelectedCols(["f0"])\
  28.     .linkFrom(modelOp, inOp)\
  29.     .print()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.dataproc.HugeLookupBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import org.junit.Test;
  8. import java.util.Arrays;
  9. import java.util.List;
  11. public class HugeLookupBatchOpTest {
  12.     @Test
  13.     public void testHugeLookupBatchOp() throws Exception {
  14.         List <Row> data_df = Arrays.asList(
  15.             Row.of(10, 2.0),
  16.             Row.of(1, 2.0),
  17.             Row.of(-3, 2.0),
  18.             Row.of(5, 1.0)
  19.         );
  20.         BatchOperator <?> inOp = new MemSourceBatchOp(data_df, "f0 int, f1 double");
  21.         List <Row> model_df = Arrays.asList(
  22.             Row.of(1, "value1"),
  23.             Row.of(2, "value2"),
  24.             Row.of(5, "value5")
  25.         );
  26.         BatchOperator <?> modelOp = new MemSourceBatchOp(model_df, "key_col int, value_col string");
  27.         new HugeLookupBatchOp()
  28.             .setMapKeyCols("key_col")
  29.             .setMapValueCols("value_col")
  30.             .setSelectedCols("f0")
  31.             .linkFrom(modelOp, inOp)
  32.             .print();
  33.     }
  34. }

运行结果

| f0 | f1 | value_col | | —- | —- | —- |

| 10 | 2.0 | null |

| 1 | 2.0 | value1 |

| -3 | 2.0 | null |

| 5 | 1.0 | value5 |