如何在Apache Druid中解析COMPLEX<serializablePairLongString>高效获取rhs值？

由于COMPLEX<serializablePairLongString>属于自定义/摄入聚合生成的非标准复杂类型，Druid本身并没有内置类似JSON操作符的官方方法直接解析它。不过可以通过以下几种更高效的方案替代正则提取：

• 摄入阶段拆分字段
  如果可以修改数据摄入规范，建议在聚合生成这对数据时，直接将lhs（时间戳）和rhs（数值）拆分为两个独立的物理列（比如命名为open_ts和open_val）。查询时直接读取对应列即可，从源头避免后续解析开销，这是最省心的方案。

• 自定义Scalar函数解析
  利用Druid的扩展机制编写一个简单的自定义Scalar函数，直接操作该Pair对象获取rhs值：

  1. 编写Java类实现ScalarFunction接口，接收COMPLEX类型参数，将其转换为对应的Pair实例后返回rhs字段值
  2. 将函数注册到Druid集群
  3. 查询时直接调用函数，示例：

     SELECT get_pair_rhs(earliest("open")) as op FROM your_table
     

  这种方式性能最优，完全避免字符串解析的开销。

• 优化正则表达式（退而求其次）
  如果暂时无法修改摄入流程或添加自定义函数，可以优化现有正则表达式去掉lookbehind，提升匹配效率：

  SELECT REGEXP_EXTRACT(earliest("open"), 'rhs=([\\d.]+)') as op FROM your_table
  

内容的提问来源于stack exchange，提问作者groo