基于FlinkSql1.10.0 搭建实时数仓

一、数据同步方案

图片.png

二、技术选型

2.1 开源框架与阿里云架构对比

分类 阿里云架构 开源架构
数据采集 DTS、DataHub canal、flume
数据传输 DTS、DataHub kafka
数据存储 Rds、AnalyticDB Mysql、HBase
数据计算 阿里云实时计算 Flink、spark

2.2 Binlog数据采集 Canal

图片.png
图片.png

canal 工作原理

canal 模拟 MySQL slave 的交互协议,伪装自己为 MySQL slave ,向 MySQL master 发送dump 协议
MySQL master 收到 dump 请求,开始推送 binary log 给 slave (即 canal )
canal 解析 binary log 对象(原始为 byte 流)

2.3 Binlog 实时传输 Kafka

图片.png

使用kafka 将canal 读取的binlog数据实时同步到Flink。由于kafka 可以设置多个Group,也可以设置多个partition,故消费时要进行处理,否则有可能出现同表数据进入不同Group,不同partition。故消费时要按照 database + table 将数据进行排序整理,保证同一个表放入同一个分区。

2.4 实时计算 Flink

图片.png

Flink的state管理和checkPoint 机制,可以保证Exactly-Once (同一数据经过多次操作还是同一条)

2.3.1 Flink 批处理和流处理

Flink CoreApis 通过一个底层引擎同时支持流处理和批处理.


图片.png

2.3.2 Flink 如何保证Exactly-Once

图片.png

Flink 可以保存每一个算子的state, 并且通过checkPoint机制对state进行保存。

2.3.3 Flink Table和SQL API

可以通过Flink Table API 和SQL API 进行编程。

  • Table API
    接入数据源之后,可以直接将数据源转化为table, 并进行相应转换。
    //DataSet 转table, 指定字段名
    Table table = fbTableEnv.fromDataSet(ds2, "id,name");
    Table table02 = table.select("name");

/**
 * @author: lipei
 * @Date:2020-03-10 22:03
 */
public class BatchTableDemo {
    public static void main(String[] args) {
        //获取运行环境
        ExecutionEnvironment fbEnv = ExecutionEnvironment.getExecutionEnvironment();

        //创建一个tableEnvironment
        BatchTableEnvironment fbTableEnv = BatchTableEnvironment.create(fbEnv);


        //读取数据源
        DataSet<String> ds1 = fbEnv.readTextFile("src/file/text01.txt");

        //数据转换
        DataSet<Tuple2<String, String>> ds2 = ds1.map(new MapFunction<String, Tuple2<String, String>>() {
            private static final long serialVersionUID = -3027796541526131219L;

            @Override
            public Tuple2<String, String> map(String s) throws Exception {
                String[] splits =  s.split(",");
                return new Tuple2<>(splits[0], splits[1]);
            }
        });

        //DataSet 转table, 指定字段名
        Table table = fbTableEnv.fromDataSet(ds2, "id,name");


        Table table02 = table.select("name");

        //将表转换DataSet
        DataSet<String> ds3  = fbTableEnv.toDataSet(table02, String.class);

        try {
            ds3.print();
        } catch (Exception e) {
            e.printStackTrace();
        }

    }
}

  • SQL API

Flink 支持直接通过SQL操作数据


/**
 * @author: lipei
 * @Date:2020-03-10 22:03
 */
public class StreamSqlDemo {
    public static void main(String[] args) {
        //获取运行环境
        EnvironmentSettings fsSettings = EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build();
        StreamExecutionEnvironment fsEnv = StreamExecutionEnvironment.getExecutionEnvironment();
        //创建一个tableEnvironment
        StreamTableEnvironment fsTableEnv = StreamTableEnvironment.create(fsEnv, fsSettings);

        //读取数据源
        DataStream<String> ds1 = fsEnv.readTextFile("src/file/text01.txt");

        //数据转换
        DataStream<Tuple2<String, String>> ds2 = ds1.map(new MapFunction<String, Tuple2<String, String>>() {
            private static final long serialVersionUID = -3027796541526131219L;

            @Override
            public Tuple2<String, String> map(String s) throws Exception {
                String[] splits =  s.split(",");
                return new Tuple2<>(splits[0], splits[1]);
            }
        });

        //DataStream 转sql, 指定字段名
        Table table = fsTableEnv.fromDataStream(ds2, "id,name");
        table.printSchema();

        //注册为一个表
        fsTableEnv.createTemporaryView("user01", table);

        Table table02 = fsTableEnv.sqlQuery("select * from user01").select("name");

        //将表转换DataStream
        DataStream<String> ds3  = fsTableEnv.toAppendStream(table02, String.class);
        ds3.print();
        try {
            fsEnv.execute("Flink stream sql");
        } catch (Exception e) {
            e.printStackTrace();
        }

    }
}

三、技术实现思路

3.1 需求背景

统计 所有售价小于10的订单明细信息

SELECT
    dajiangtai_orders.orderId,
    dajiangtai_orders.orderNo,
    dajiangtai_orders.userId,
    dajiangtai_orders.goodsId,
    dajiangtai_orders.goodsMoney,
    dajiangtai_goods.goodsName,
    dajiangtai_goods.sellingPrice,
    dajiangtai_orders.realTotalMoney,
    dajiangtai_orders.payFrom,
    dajiangtai_users.phoneNum,
    dajiangtai_users.userName,
    dajiangtai_users.address,
    dajiangtai_orders.createTime AS "orderCreateTime" 
FROM
    dajiangtai_orders 
    LEFT JOIN dajiangtai_goods  ON dajiangtai_orders.goodsId = dajiangtai_goods.goodsId
    LEFT JOIN dajiangtai_users  ON dajiangtai_orders.userId = dajiangtai_users.userId  
    where dajiangtai_goods.sellingPrice < 10
  • 表映射关系
图片.png

3.2 分层设计

  • DWD 层
    目的:获取数据明细表,对数据不进行任何过滤操作
SELECT
    dajiangtai_orders.orderId,
    dajiangtai_orders.orderNo,
    dajiangtai_orders.userId,
    dajiangtai_orders.goodsId,
    dajiangtai_orders.goodsMoney,
    dajiangtai_goods.goodsName,
    dajiangtai_goods.sellingPrice,
    dajiangtai_orders.realTotalMoney,
    dajiangtai_orders.payFrom,
    dajiangtai_users.phoneNum,
    dajiangtai_users.userName,
    dajiangtai_users.address,
    dajiangtai_orders.createTime AS "orderCreateTime" 
FROM
    dajiangtai_orders 
    LEFT JOIN dajiangtai_goods  ON dajiangtai_orders.goodsId = dajiangtai_goods.goodsId
    LEFT JOIN dajiangtai_users  ON dajiangtai_orders.userId = dajiangtai_users.userId  
    where dajiangtai_goods.sellingPrice < 10
  • DM 层
    目的:在DWD 层上,进行字段和条数的过滤
SELECT
     *
FROM
    flink_order_detail
where  sellingPrice < 10
     

3.3 DWD 数据同步

3.3.1 源数据表insert 操作

a、找到受影响的子表Id
b、查询受影响的主表记录信息
c、进行insertOrUpdate操作

INSERT INTO `flink`.`dajiangtai_goods`(`goodsId`, `goodsName`, `sellingPrice`, `goodsStock`, `appraiseNum`) VALUES (1, '2', 20.00, 1, 1);
a、字表  `flink`.`dajiangtai_goods`  受影响的rowKey 为 goodsId, id = 1
b、查询受影响的主表信息
SELECT
    dajiangtai_orders.orderId,
    dajiangtai_orders.orderNo,
    dajiangtai_orders.userId,
    dajiangtai_orders.goodsId,
    dajiangtai_orders.goodsMoney,
    dajiangtai_goods.goodsName,
    dajiangtai_goods.sellingPrice,
    dajiangtai_orders.realTotalMoney,
    dajiangtai_orders.payFrom,
    dajiangtai_users.phoneNum,
    dajiangtai_users.userName,
    dajiangtai_users.address,
    dajiangtai_orders.createTime AS "orderCreateTime" 
FROM
    dajiangtai_orders 
    LEFT JOIN dajiangtai_goods  ON dajiangtai_orders.goodsId = dajiangtai_goods.goodsId
    LEFT JOIN dajiangtai_users  ON dajiangtai_orders.userId = dajiangtai_users.userId  
    where dajiangtai_goods.goodsId in (1)
c、将b查询的记录同步到dwd库

3.3.1 源数据表update 操作

a、找到受影响的字表Id
b、查询受影响的主表记录信息
c、进行insertOrUpdate操作

  • 例如:
update `flink`.`dajiangtai_goods` set sellingPrice = 25 where  `goodsId` = 1;
a、字表  `flink`.`dajiangtai_goods`  受影响的rowKey 为 goodsId, id = 1
b、查询受影响的主表信息
SELECT
    dajiangtai_orders.orderId,
    dajiangtai_orders.orderNo,
    dajiangtai_orders.userId,
    dajiangtai_orders.goodsId,
    dajiangtai_orders.goodsMoney,
    dajiangtai_goods.goodsName,
    dajiangtai_goods.sellingPrice,
    dajiangtai_orders.realTotalMoney,
    dajiangtai_orders.payFrom,
    dajiangtai_users.phoneNum,
    dajiangtai_users.userName,
    dajiangtai_users.address,
    dajiangtai_orders.createTime AS "orderCreateTime" 
FROM
    dajiangtai_orders 
    LEFT JOIN dajiangtai_goods  ON dajiangtai_orders.goodsId = dajiangtai_goods.goodsId
    LEFT JOIN dajiangtai_users  ON dajiangtai_orders.userId = dajiangtai_users.userId  
    where dajiangtai_goods.goodsId in (1)
c、将b查询的记录同步到dwd库

3.4 DW 数据同步
DW 层可以按照3.3 的步骤进行数据同步,直接落库,也可以基于DWD层直接进行where 查询

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容