MultiPhaseTransformFunctionFactory 类

使用多阶段 UDTF，您可以将数据处理分为多个步骤。使用此功能后，您的 UDTF 可以使用类似于 Hadoop 或其他 MapReduce 框架的方式执行处理。您可以使用第一阶段来分解并收集数据，然后使用后续阶段来处理数据。例如，您的 UDTF 的第一阶段可以是从存储在表列的 Web 服务器日志中提取特定类型的用户交互，而且后续阶段可以是对这些交互执行分析。

多阶段 UDTF 还能让您决定在什么地方进行处理：在每个节点本地，还是在整个群集内。如果您的多阶段 UDTF 类似于 MapReduce 流程，您可能希望在多阶段 UDTF 的第一阶段处理存储在本地（运行 UDTF 实例的节点）的数据。这样可防止在 Vertica 群集中复制较大的数据段。根据在后续阶段执行的处理类型，您可以选择对数据进行分段并分布在 Vertica 群集中。

UDTF 的每个阶段都与传统（单阶段）UDTF 相同：它可以接收作为输入的表，然后生成作为输出的表。每个阶段的输出的架构不需要与其输入匹配，而且每个阶段可以根据需要输出大量或少量行。

要定义由每个阶段执行的处理，请创建 TransformFunction 的子类。如果已从单阶段 UDTF（用于执行您希望多阶段 UDTF 的其中一个阶段执行的处理）创建了 TransformFunction，则您可以轻松调整该子类以使其在多阶段 UDTF 中工作。

多阶段 UDTF 和传统 UDTF 不同之处是所使用的工厂类。应使用 MultiPhaseTransformFunctionFactory 的子类定义多阶段 UDTF，而非 TransformFunctionFactory。此特殊工厂类用作多步骤 UDTF 中所有阶段的容器。此工厂类通过 getPrototype() 函数向 Vertica 提供整个多阶段 UDTF 的输入要求和输出要求，以及该 UDTF 中所有阶段的列表。

在 MultiPhaseTransformFunctionFactory 类的子类中，可以定义 TransformFunctionPhase 的一个或多个子类。对于多阶段 UDTF 中的每个阶段，这些类充当与 TransformFunctionFactory 类相同的角色。这些类定义每个阶段的输入和输出并创建其关联的 TransformFunction 类的实例，以对 UDTF 的每个阶段执行处理。除了这些子类之外，MultiPhaseTransformFunctionFactory 还包含可用于控制每个 TransformFunctionPhase 子类的实例的字段。

API

MultiPhaseTransformFunctionFactory 类扩展了 TransformFunctionFactory API 提供了以下其他方法以通过子类扩展：

virtual void getPhases(ServerInterface &srvInterface,
        std::vector< TransformFunctionPhase * > &phases)=0;

如果使用该工厂，则还必须扩展 TransformFunctionPhase。请参阅 SDK 参考文档。

MultiPhaseTransformFunctionFactory 类扩展了 TransformFunctionFactory。API 提供了以下通过子类扩展的方法：

public abstract void getPhases(ServerInterface srvInterface,
        Vector< TransformFunctionPhase > phases);

如果使用该工厂，则还必须扩展 TransformFunctionPhase。请参阅 SDK 参考文档。

TransformFunctionFactory 类扩展了 TransformFunctionFactory。对于每个阶段，工厂必须定义可扩展 TransformFunctionPhase 的类。

工厂将添加以下方法：


def getPhase(cls, srv)

TransformFunctionPhase 包含以下方法：


def createTransformFunction(cls, srv)

def getReturnType(self, srv_interface, input_types, output_types)