Tablestore + Blink实战：交易数据的实时统计

背景

交易数据的实时统计是电商网站一个核心功能，可以帮助用户实时统计网站的整体销售情况，快速验证“新销售策略”的效果。我们今天介绍一个基于表格存储(Tablestore)实现交易数据的实时计算，给大家提供一个新使用方式。

Tablestore作为在线的结构化数据库，提供了毫秒级的访问延时和丰富的查询方式，能高效的支撑交易数据的存储和查询，同时Tablestore已经原生支持阿里云的流计算框架Flink/Blink，可以实现数据的实时计算。

架构

示例设计

基本场景

注意：示例是模拟一个电商网站的交易数据的存储和实时计算，目的是为了展示Tablestore + Blink的使用流程。

用户通过SDK将网站交易数据实时的存储(PutRow/BatchWrite/TableStoreWriter)到Tablestore的source_order表中，Tablestore通过Tunnel服务，将实时增量的数据流入到Flink/Blink中，每5秒进行一次聚合计算，并将计算的结果重新写回Tablestore的sink_order表中。最后提供给“大屏”实时读取(GetRange)展示。

Source表（源表）- source_order

source表是原始数据表，存储了所有交易记录。

字段	类型	注释
metering(PrimaryKey)	string	计量类型，样例中默认是web
orderid(PrimaryKey)	string	订单号ID
ts	integer	交易时间(Unix时间戳，毫秒精度)
price	double	交易金额
buyerid	integer	买家ID
sellerid	integer	卖家ID
productid	integer	商品ID

Sink表（结果表）- sink_order

字段	类型	注释
metering(PrimaryKey)	string	计量类型，样例中默认是web
ts(PrimaryKey)	integer	交易时间(Unix时间戳，毫秒精度)
price	double	交易金额
ordercount	integer	交易次数

Flink SQL

DDL参考

注意：当前Blink在支持Tablestore source上还有些限制，只能运行ProcessingTime的方式，未来会支持EventTime模式，按照用户数据参数的时间进行计算。

-- Source 源表创建
CREATE TABLE ots_input (
    metering VARCHAR,
    orderid VARCHAR,
    price DOUBLE,
    byerid BIGINT,
    sellerid BIGINT,
    productid BIGINT,
    primary key(metering,orderid),
    ts AS PROCTIME()
) WITH (
    type = 'ots',
    instanceName = 'ordertest',
    tableName = 'source_order',
    accessId = '******************',
    accessKey = '******************',
    endpoint = 'http://ordertest.cn-zhangjiakou.vpc.tablestore.aliyuncs.com',
    tunnelName = 'blink_agg'
);
-- Sink 结果表创建
CREATE TABLE ots_output (
    metering VARCHAR,
    ts BIGINT,
    price DOUBLE,
    ordercount BIGINT,
    primary key(metering,ts)
) WITH (
    type = 'ots',
    instanceName = 'ordertest',
    tableName = 'sink_order',
    accessId = '******************',
    accessKey = '******************',
    endpoint = 'http://ordertest.cn-zhangjiakou.vpc.tablestore.aliyuncs.com',
    valueColumns = 'price,ordercount'
);

-- 计算
INSERT INTO ots_output
SELECT 
    DISTINCT metering as metering,
    CAST(TUMBLE_START(ots_input.ts, INTERVAL '5' SECOND) AS BIGINT) AS ts,
    SUM(price) as price,
    COUNT(orderid) as ordercount
FROM ots_input
GROUP BY TUMBLE(ts, INTERVAL '5' SECOND),metering;

实战

第一步：准备账户与开服

准备表格存储实例，可以参考《表格存储实例创建》

准备Flink/Blink项目，可以参考《Blink如何购买》

第二步：创建资源

表格存储资源

表格存储控制台入口，创建表格存储实例ordertest (用户自定义即可，下面对于参数位置更换为自定义的实例名)，并记录实例的VPC地址

同时在控制台创建Source表和Sink表， 并为Source表（source_order）开启一个Tunnel服务blink_agg

Blink资源

Blink控制台入口，创建一个Blink项目（独享模式要创建集群之后才能创建项目），分别创建一个作业，agg_order，并将上面的Flink SQL粘贴到窗口中，上线服务

在运维窗口中启动该任务

第三步：压入数据 并 实时获取结算结果

1 准备配置文件

程序默认会从'~/tablestoreConf.json'获取配置

vim ~/tablestoreConf.json

# 内容
{
    "endpoint":"http://ordertest.cn-zhangjiakou.ots.aliyuncs.com",
    "accessId":"************",
    "accessKey":"************",
    "instanceName":"ordertest"
}

2 构建源码

mvn install
cd target
tar xzvf stream-compute-1.0-SNAPSHOT-release.tar.gz

3 启动压力器和模拟大屏

可以直接下载工具包：stream-compute-1.0-SNAPSHOT-release.tar.gz

# 窗口1
./bin/mock_order_generator
# 窗口2
./bin/data_show_screen

4 效果

源码

源码：https://github.com/aliyun/tablestore-examples/tree/master/demos/StreamCompute

---

本文作者：chen1255

阅读原文

本文为云栖社区原创内容，未经允许不得转载。