1. 维度查询
在上一篇中，我们已经把订单和订单明细表join完，本文将关联订单的其他维度数据，维度关联实际上就是在流中查询存储在 hbase 中的数据表。但是即使通过主键的方式查询，hbase 速度的查询也是不及流之间的 join。外部数据源的查询常常是流式计算的性能瓶颈，所以我们在查询hbase维度数据的基础上做一些优化及封装。
phoenix查询封装
phoenix作为hbase的一个上层sql封装，或者叫做皮肤，可以使用标准的sql语法来使用hbase，我们做一些简单的查询hbase的工具类。
import cn.hutool.core.bean.BeanUtil;
import com.alibaba.fastjson.JSONObject;
import com.zhangbao.gmall.realtime.common.GmallConfig;
import org.apache.commons.beanutils.BeanUtils;
import java.io.PrintStream;
import java.sql.*;
import java.util.ArrayList;
import java.util.List;
/**
* @author zhangbaohpu
* @date 2021/11/13 21:26
* @desc phoenix 工具类，操作hbase数据
*/
public class PhoenixUtil {
private static Connection conn = null;
public static void init(){
try {
Class.forName(GmallConfig.PHOENIX_DRIVER);
conn = DriverManager.getConnection(GmallConfig.PHOENIX_SERVER);
conn.setSchema(GmallConfig.HBASE_SCHEMA);
}catch (Exception e){
e.printStackTrace();
throw new RuntimeException("连接phoenix失败 -> " + e.getMessage());
}
}
public static List getList(String sql, Class clazz){
if(conn == null){
init();
}
PreparedStatement ps = null;
ResultSet rs = null;
List resultList = new ArrayList<>();
try {
//获取数据库对象
ps = conn.prepareStatement(sql);
//执行sql语句
rs = ps.executeQuery();
//获取元数据
ResultSetMetaData metaData = rs.getMetaData();
while (rs.next()){
//创建对象
T rowObj = clazz.newInstance();
//动态给对象赋值
for (int i = 1; i <= metaData.getColumnCount(); i++) {
BeanUtils.setProperty(rowObj,metaData.getColumnName(i),rs.getObject(i));
}
resultList.add(rowObj);
}
}catch (Exception e){
throw new RuntimeException("phoenix 查询失败 -> " + e.getMessage());
}finally {
if(rs!=null){
try {
rs.close();
} catch (SQLException throwables) {
throwables.printStackTrace();
}
}
if(ps!=null){
try {
ps.close();
} catch (SQLException throwables) {
throwables.printStackTrace();
}
}
if(conn!=null){
try {
conn.close();
} catch (SQLException throwables) {
throwables.printStackTrace();
}
}
}
return resultList;
}
public static void main(String[] args) {
String sql = "select * from GMALL_REALTIME.BASE_TRADEMARK";
System.out.println(getList(sql,JSONObject.class));
}
}
有了对hbase的查询，我们再对维度数据的查询做一个封装，根据某个表的id查询维度数据。
import com.alibaba.fastjson.JSONObject;
import org.apache.flink.api.java.tuple.Tuple2;
import java.util.List;
/**
* @author zhangbaohpu
* @date 2021/11/13 22:24
* @desc 维度查询封装，底层调用PhoenixUtil
*/
public class DimUtil {
//直接从 Phoenix 查询，没有缓存
public static JSONObject getDimInfoNoCache(String tableName, Tuple2...
colNameAndValue) {
//组合查询条件
String wheresql = new String(" where ");
for (int i = 0; i < colNameAndValue.length; i++) {
//获取查询列名以及对应的值
Tuple2 nameValueTuple = colNameAndValue[i];
String fieldName = nameValueTuple.f0;
String fieldValue = nameValueTuple.f1;
if (i > 0) {
wheresql += " and ";
}
wheresql += fieldName + "='" + fieldValue + "'";
}
//组合查询 SQL
String sql = "select * from " + tableName + wheresql;
System.out.println("查询维度 SQL:" + sql);
JSONObject dimInfoJsonObj = null;
List dimList = PhoenixUtil.getList(sql, JSONObject.class);
if (dimList != null && dimList.size() > 0) {
//因为关联维度，肯定都是根据 key 关联得到一条记录
dimInfoJsonObj = dimList.get(0);
}else{
System.out.println("维度数据未找到:" + sql);
}
return dimInfoJsonObj;
}
public static void main(String[] args) {
JSONObject dimInfooNoCache = DimUtil.getDimInfoNoCache("base_trademark",
Tuple2.of("id", "13"));
System.out.println(dimInfooNoCache);
}
}
2. 优化1：加入旁路缓存模式
我们在上面实现的功能中，直接查询的 Hbase。外部数据源的查询常常是流式计算的性能瓶颈，所以我们需要在上面实现的基础上进行一定的优化。我们这里使用旁路缓存。
旁路缓存模式是一种非常常见的按需分配缓存的模式。如下图，任何请求优先访问缓存，缓存命中，直接获得数据返回请求。如果未命中则，查询数据库，同时把结果写入缓存以备后续请求使用。
1) 这种缓存策略有几个注意点
缓存要设过期时间，不然冷数据会常驻缓存浪费资源。
要考虑维度数据是否会发生变化，如果发生变化要主动清除缓存。
2) 缓存的选型
一般两种：堆缓存或者独立缓存服务(redis，memcache)，
堆缓存，从性能角度看更好，毕竟访问数据路径更短，减少过程消耗。但是管理性差，其他进程无法维护缓存中的数据。
独立缓存服务（redis,memcache）本身性能也不错，不过会有创建连接、网络 IO 等 消耗。但是考虑到数据如果会发生变化，那还是独立缓存服务管理性更强，而且如果数据量特别大，独立缓存更容易扩展。
因为咱们的维度数据都是可变数据，所以这里还是采用 Redis 管理缓存。
代码优化
import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import org.apache.flink.api.java.tuple.Tuple2;
import redis.clients.jedis.Jedis;
import java.util.List;
/**
* @author zhangbaohpu
* @date 2021/11/13 22:24
* @desc 维度查询封装，底层调用PhoenixUtil
*/
public class DimUtil {
/**
* 查询优化
* redis缓存
* 类型 string list set zset hash
* 这里使用key格式：
* key dim:table_name:value 示例：dim:base_trademark:13
* value json字符串
* 过期时间：24*3600
*/
public static JSONObject getDimInfo(String tableName, Tuple2...
colNameAndValue) {
//组合查询条件
String wheresql = new String(" where ");
//redis key
String redisKey = "dim:"+tableName+":";
for (int i = 0; i < colNameAndValue.length; i++) {
//获取查询列名以及对应的值
Tuple2 nameValueTuple = colNameAndValue[i];
String fieldName = nameValueTuple.f0;
String fieldValue = nameValueTuple.f1;
if (i > 0) {
wheresql += " and ";
redisKey += "_";
}
wheresql += fieldName + "='" + fieldValue + "'";
redisKey += fieldValue;
}
Jedis jedis = null;
String redisStr = null;
JSONObject dimInfoJsonObj = null;
try {
jedis = RedisUtil.getJedis();
redisStr = jedis.get(redisKey);
dimInfoJsonObj = null;
} catch (Exception e) {
e.printStackTrace();
System.out.println("获取redis数据错误");
}
if(redisStr!=null && redisStr.length()>0){
dimInfoJsonObj = JSON.parseObject(redisStr);
}else {
//从phoenix中去数据
//组合查询 SQL
String sql = "select * from " + tableName + wheresql;
System.out.println("查询维度 SQL:" + sql);
List dimList = PhoenixUtil.getList(sql, JSONObject.class);
if (dimList != null && dimList.size() > 0) {
//因为关联维度，肯定都是根据 key 关联得到一条记录
dimInfoJsonObj = dimList.get(0);
if(jedis!=null){
jedis.setex(redisKey,3600*24,dimInfoJsonObj.toString());
}
}else{
System.out.println("维度数据未找到:" + sql);
}
}
//关闭jedis
if(jedis!=null){
jedis.close();
}
return dimInfoJsonObj;
}
public static JSONObject getDimInfoNoCacheById(String tableName, String idValue) {
return getDimInfoNoCache(tableName,new Tuple2<>("id",idValue));
}
//直接从 Phoenix 查询，没有缓存
public static JSONObject getDimInfoNoCache(String tableName, Tuple2...
colNameAndValue) {
//组合查询条件
String wheresql = new String(" where ");
for (int i = 0; i < colNameAndValue.length; i++) {
//获取查询列名以及对应的值
Tuple2 nameValueTuple = colNameAndValue[i];
String fieldName = nameValueTuple.f0;
String fieldValue = nameValueTuple.f1;
if (i > 0) {
wheresql += " and ";
}
wheresql += fieldName + "='" + fieldValue + "'";
}
//组合查询 SQL
String sql = "select * from " + tableName + wheresql;
System.out.println("查询维度 SQL:" + sql);
JSONObject dimInfoJsonObj = null;
List dimList = PhoenixUtil.getList(sql, JSONObject.class);
if (dimList != null && dimList.size() > 0) {
//因为关联维度，肯定都是根据 key 关联得到一条记录
dimInfoJsonObj = dimList.get(0);
}else{
System.out.println("维度数据未找到:" + sql);
}
return dimInfoJsonObj;
}
public static void main(String[] args) {
JSONObject dimInfooNoCache = DimUtil.getDimInfoNoCache("base_trademark",
Tuple2.of("id", "13"));
System.out.println(dimInfooNoCache);
}
}
缓存依赖于redisUtil.java工具类
import redis.clients.jedis.*;
/**
* @author zhangbaohpu
* @date 2021/11/13 23:31
* @desc
*/
public class RedisUtil {
public static JedisPool jedisPool=null;
public static Jedis getJedis(){
if(jedisPool==null){
JedisPoolConfig jedisPoolConfig =new JedisPoolConfig();
jedisPoolConfig.setMaxTotal(100); //最大可用连接数
jedisPoolConfig.setBlockWhenExhausted(true); //连接耗尽是否等待
jedisPoolConfig.setMaxWaitMillis(2000); //等待时间
jedisPoolConfig.setMaxIdle(5); //最大闲置连接数
jedisPoolConfig.setMinIdle(5); //最小闲置连接数
jedisPoolConfig.setTestOnBorrow(true); //取连接的时候进行一下测试 ping pong
jedisPool=new JedisPool( jedisPoolConfig, "hadoop101",6379 ,1000);
System.out.println("开辟连接池");
return jedisPool.getResource();
}else{
System.out.println(" 连接池:"+jedisPool.getNumActive());
return jedisPool.getResource();
}
}
public static void main(String[] args) {
Jedis jedis = getJedis();
System.out.println(jedis.ping());
}
}
维度数据发生变化
如果维度数据发生了变化，这时缓存的数据就不是最新的了，所以这里优化将发生变化的维度数据，在缓存中清除。
在DimUtil.java加入清除缓存方法
//根据 key 让 Redis 中的缓存失效
public static void deleteCached( String tableName, String id){
String key = "dim:" + tableName.toLowerCase() + ":" + id;
try {
Jedis jedis = RedisUtil.getJedis();
// 通过 key 清除缓存
jedis.del(key);
jedis.close();
} catch (Exception e) {
System.out.println("缓存异常！");
e.printStackTrace();
}
}
另外一个，在实时同步mysql数据BaseDbTask任务中，将维度数据通过DimSink.java放入hbase，在invoke方法中添加清除缓存操作
@Override
public void invoke(JSONObject jsonObject, Context context) throws Exception {
String sinkTable = jsonObject.getString("sink_table");
JSONObject data = jsonObject.getJSONObject("data");
PreparedStatement ps = null;
if(data!=null && data.size()>0){
try {
//生成phoenix的upsert语句，这个包含insert和update操作
String sql = generateUpsert(data,sinkTable.toUpperCase());
log.info("开始执行 phoenix sql -->{}",sql);
ps = conn.prepareStatement(sql);
ps.executeUpdate();
conn.commit();
log.info("执行 phoenix sql 成功");
} catch (SQLException throwables) {
throwables.printStackTrace();
throw new RuntimeException("执行 phoenix sql 失败！");
}finally {
if(ps!=null){
ps.close();
}
}
//如果是更新维度数据，则把redis数据清空
if(jsonObject.getString("type").endsWith("update")){
DimUtil.deleteCached(sinkTable,data.getString("id"));
}
}
}
3. 优化2：异步查询
在 Flink 流处理过程中，经常需要和外部系统进行交互，用维度表补全事实表中的字段。例如：在电商场景中，需要一个商品的 skuid 去关联商品的一些属性，例如商品所属行业、商品的生产厂家、生产厂家的一些情况；在物流场景中，知道包裹 id，需要去关联包裹的行业属性、发货信息、收货信息等等。
默认情况下，在 Flink 的 MapFunction 中，单个并行只能用同步方式去交互: 将请求发送到外部存储，IO 阻塞，等待请求返回，然后继续发送下一个请求。这种同步交互的方式往往在网络等待上就耗费了大量时间。为了提高处理效率，可以增加 MapFunction 的并行度，但增加并行度就意味着更多的资源，并不是一种非常好的解决方式。
Flink 在 1.2 中引入了 Async I/O，在异步模式下，将 IO 操作异步化，单个并行可以连续发送多个请求，哪个请求先返回就先处理，从而在连续的请求间不需要阻塞式等待，大大提高了流处理效率。
Async I/O 是阿里巴巴贡献给社区的一个呼声非常高的特性，解决与外部系统交互时网络延迟成为了系统瓶颈的问题。
异步查询实际上是把维表的查询操作托管给单独的线程池完成，这样不会因为某一个查询造成阻塞，单个并行可以连续发送多个请求，提高并发效率。
这种方式特别针对涉及网络 IO 的操作，减少因为请求等待带来的消耗。
flink异步查询官方文档：
https://nightlies.apache.org/flink/flink-docs-release-1.14/zh/docs/dev/datastream/operators/asyncio/#%e5%bc%82%e6%ad%a5-io-api
3.1 封装线程池工具
import java.util.concurrent.LinkedBlockingDeque;
import java.util.concurrent.ThreadPoolExecutor;
import java.util.concurrent.TimeUnit;
/**
* @author zhangbaohpu
* @date 2021/11/28 12:18
* @desc 线程池工具类
*
*/
public class ThreadPoolUtil {
private static ThreadPoolExecutor poolExecutor;
/**
* 获取单例的线程池对象
* corePoolSize:指定了线程池中的线程数量，它的数量决定了添加的任务是开辟新的线程去执行，还是放到 workQueue任务队列中去；
* maximumPoolSize:指定了线程池中的最大线程数量，这个参数会根据你使用的 workQueue 任务队列的类型，决定线程池会开辟的最大线程数量；
* keepAliveTime:当线程池中空闲线程数量超过 corePoolSize 时，多余的线程会在多长时间内被销毁；
* unit:keepAliveTime 的单位
* workQueue:任务队列，被添加到线程池中，但尚未被执行的任务
* @return
*/
public static ThreadPoolExecutor getPoolExecutor(){
if (poolExecutor == null){
synchronized (ThreadPoolUtil.class){
if (poolExecutor == null){
poolExecutor = new ThreadPoolExecutor(
4,20,300, TimeUnit.SECONDS,new LinkedBlockingDeque<>(Integer.MAX_VALUE)
);
}
}
}
return poolExecutor;
}
}
3.2 自定义维度接口
这个异步维表查询的方法适用于各种维表的查询，用什么条件查，查出来的结果如何合并到数据流对象中，需要使用者自己定义。
这就是自己定义了一个接口 DimJoinFunction
import com.alibaba.fastjson.JSONObject;
/**
* @author zhangbaohpu
* @date 2021/11/28 12:34
* @desc 维度关联接口
*/
public interface DimJoinFunction {
//根据流中获取主键
String getKey(T obj);
//维度关联
void join(T stream, JSONObject dimInfo);
}
3.3 封装维度异步查询类
新建包func下创建DimAsyncFunction.java，该类继承异步方法类 RichAsyncFunction，实现自定义维度查询接口，其中 RichAsyncFunction
RichAsyncFunction 这个类要实现两个方法:
open 用于初始化异步连接池。
asyncInvoke 方法是核心方法，里面的操作必须是异步的，如果你查询的数据库有异步api 也可以用线程的异步方法，如果没有异步方法，就要自己利用线程池等方式实现异步查询。
import com.alibaba.fastjson.JSONObject;
import com.google.common.collect.Lists;
import com.zhangbao.gmall.realtime.utils.DimUtil;
import com.zhangbao.gmall.realtime.utils.ThreadPoolUtil;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.functions.async.ResultFuture;
import org.apache.flink.streaming.api.functions.async.RichAsyncFunction;
import java.util.Arrays;
import java.util.concurrent.ExecutorService;
/**
* @author zhangbaohpu
* @date 2021/11/28 12:24
* @desc 通用的维度关联查询接口
* 模板方法设计模式
* 在父类中只定义方法的声明
* 具体实现由子类完成
*/
public abstract class DimAsyncFunction extends RichAsyncFunction implements DimJoinFunction {
private String tableName;
private static ExecutorService executorPool;
public DimAsyncFunction(String tableName) {
this.tableName = tableName;
}
@Override
public void open(Configuration parameters) throws Exception {
//初始化线程池
executorPool = ThreadPoolUtil.getPoolExecutor();
}
@Override
public void asyncInvoke(T obj, ResultFuture resultFuture) throws Exception {
executorPool.submit(new Runnable() {
@Override
public void run() {
try {
long start = System.currentTimeMillis();
String key = getKey(obj);
//获取维度信息
JSONObject dimInfoJsonObj = DimUtil.getDimInfo(tableName, key);
//关联维度
if (dimInfoJsonObj != null){
join(obj,dimInfoJsonObj);
}
long end = System.currentTimeMillis();
System.out.println("关联维度数据，耗时："+(end - start)+" 毫秒。");
resultFuture.complete(Arrays.asList(obj));
} catch (Exception e) {
e.printStackTrace();
throw new RuntimeException(tableName+"维度查询失败");
}
}
});
}
}
3.4 添加到主任务
将维度数据加入到订单宽表任务中，在订单宽表任务中OrderWideApp.java，完成对订单明细的双流join后，将用户维度数据关联到订单宽表中。
/**
* 关联用户维度数据
* flink异步查询
* https://nightlies.apache.org/flink/flink-docs-release-1.14/zh/docs/dev/datastream/operators/asyncio/#%e5%bc%82%e6%ad%a5-io-api
*/
SingleOutputStreamOperator orderWideWithUserDs = AsyncDataStream.unorderedWait(orderWideDs, new DimAsyncFunction("DIM_USER_INFO") {
@Override
public String getKey(OrderWide obj) {
return obj.getOrder_id().toString();
}
@Override
public void join(OrderWide orderWide, JSONObject dimInfo) {
Date birthday = dimInfo.getDate("BIRTHDAY");
Long age = DateUtil.betweenYear(birthday, new Date(), false);
orderWide.setUser_age(age.intValue());
orderWide.setUser_gender(dimInfo.getString("GENDER"));
}
}, 60, TimeUnit.SECONDS);
orderWideWithUserDs.print("order wide with users >>>");
3.5 测试
开启的服务：zk，kf，redis，hdfs，hbase，maxwell，BaseDbTask.java
注：要清除的数据
-
mysql配置表，之前手动加的配置表删除，通过脚本执行要同步的表
/*Data for the table `table_process` */ INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('activity_info', 'insert', 'hbase', 'dim_activity_info', 'id,activity_name,activity_type,activity_desc,start_time,end_time,create_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('activity_info', 'update', 'hbase', 'dim_activity_info', 'id,activity_name,activity_type,activity_desc,start_time,end_time,create_time', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('activity_rule', 'insert', 'hbase', 'dim_activity_rule', 'id,activity_id,activity_type,condition_amount,condition_num,benefit_amount,benefit_discount,benefit_level', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('activity_rule', 'update', 'hbase', 'dim_activity_rule', 'id,activity_id,activity_type,condition_amount,condition_num,benefit_amount,benefit_discount,benefit_level', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('activity_sku', 'insert', 'hbase', 'dim_activity_sku', 'id,activity_id,sku_id,create_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('activity_sku', 'update', 'hbase', 'dim_activity_sku', 'id,activity_id,sku_id,create_time', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_category1', 'insert', 'hbase', 'dim_base_category1', 'id,name', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_category1', 'update', 'hbase', 'dim_base_category1', 'id,name', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_category2', 'insert', 'hbase', 'dim_base_category2', 'id,name,category1_id', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_category2', 'update', 'hbase', 'dim_base_category2', 'id,name,category1_id', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_category3', 'insert', 'hbase', 'dim_base_category3', 'id,name,category2_id', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_category3', 'update', 'hbase', 'dim_base_category3', 'id,name,category2_id', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_dic', 'insert', 'hbase', 'dim_base_dic', 'id,dic_name,parent_code,create_time,operate_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_dic', 'update', 'hbase', 'dim_base_dic', 'id,dic_name,parent_code,create_time,operate_time', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_province', 'insert', 'hbase', 'dim_base_province', 'id,name,region_id,area_code,iso_code,iso_3166_2', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_province', 'update', 'hbase', 'dim_base_province', 'id,name,region_id,area_code,iso_code,iso_3166_2', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_region', 'insert', 'hbase', 'dim_base_region', 'id,region_name', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_region', 'update', 'hbase', 'dim_base_region', 'id,region_name', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_trademark', 'insert', 'hbase', 'dim_base_trademark', 'id,tm_name', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('base_trademark', 'update', 'hbase', 'dim_base_trademark', 'id,tm_name', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('cart_info', 'insert', 'kafka', 'dwd_cart_info', 'id,user_id,sku_id,cart_price,sku_num,img_url,sku_name,is_checked,create_time,operate_time,is_ordered,order_time,source_type,source_id', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('comment_info', 'insert', 'kafka', 'dwd_comment_info', 'id,user_id,nick_name,head_img,sku_id,spu_id,order_id,appraise,comment_txt,create_time,operate_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('coupon_info', 'insert', 'hbase', 'dim_coupon_info', 'id,coupon_name,coupon_type,condition_amount,condition_num,activity_id,benefit_amount,benefit_discount,create_time,range_type,limit_num,taken_count,start_time,end_time,operate_time,expire_time,range_desc', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('coupon_info', 'update', 'hbase', 'dim_coupon_info', 'id,coupon_name,coupon_type,condition_amount,condition_num,activity_id,benefit_amount,benefit_discount,create_time,range_type,limit_num,taken_count,start_time,end_time,operate_time,expire_time,range_desc', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('coupon_range', 'insert', 'hbase', 'dim_coupon_range', 'id,coupon_id,range_type,range_id', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('coupon_range', 'update', 'hbase', 'dim_coupon_range', 'id,coupon_id,range_type,range_id', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('coupon_use', 'insert', 'kafka', 'dwd_coupon_use', 'id,coupon_id,user_id,order_id,coupon_status,get_type,get_time,using_time,used_time,expire_time', 'id', ' SALT_BUCKETS = 3'); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('coupon_use', 'update', 'kafka', 'dwd_coupon_use', 'id,coupon_id,user_id,order_id,coupon_status,get_type,get_time,using_time,used_time,expire_time', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('favor_info', 'insert', 'kafka', 'dwd_favor_info', 'id,user_id,sku_id,spu_id,is_cancel,create_time,cancel_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('financial_sku_cost', 'insert', 'hbase', 'dim_financial_sku_cost', 'id,sku_id,sku_name,busi_date,is_lastest,sku_cost,create_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('financial_sku_cost', 'update', 'hbase', 'dim_financial_sku_cost', 'id,sku_id,sku_name,busi_date,is_lastest,sku_cost,create_time', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('order_detail', 'insert', 'kafka', 'dwd_order_detail', 'id,order_id,sku_id,sku_name,order_price,sku_num,create_time,source_type,source_id,split_activity_amount,split_coupon_amount,split_total_amount', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('order_detail_activity', 'insert', 'kafka', 'dwd_order_detail_activity', 'id,order_id,order_detail_id,activity_id,activity_rule_id,sku_id,create_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('order_detail_coupon', 'insert', 'kafka', 'dwd_order_detail_coupon', 'id,order_id,order_detail_id,coupon_id,coupon_use_id,sku_id,create_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('order_info', 'insert', 'kafka', 'dwd_order_info', 'id,consignee,consignee_tel,total_amount,order_status,user_id,payment_way,delivery_address,order_comment,out_trade_no,trade_body,create_time,operate_time,expire_time,process_status,tracking_no,parent_order_id,img_url,province_id,activity_reduce_amount,coupon_reduce_amount,original_total_amount,feight_fee,feight_fee_reduce,refundable_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('order_info', 'update', 'kafka', 'dwd_order_info_update', 'id,consignee,consignee_tel,total_amount,order_status,user_id,payment_way,delivery_address,order_comment,out_trade_no,trade_body,create_time,operate_time,expire_time,process_status,tracking_no,parent_order_id,img_url,province_id,activity_reduce_amount,coupon_reduce_amount,original_total_amount,feight_fee,feight_fee_reduce,refundable_time', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('order_refund_info', 'insert', 'kafka', 'dwd_order_refund_info', 'id,user_id,order_id,sku_id,refund_type,refund_num,refund_amount,refund_reason_type,refund_reason_txt,refund_status,create_time', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('payment_info', 'insert', 'kafka', 'dwd_payment_info', 'id,out_trade_no,order_id,user_id,payment_type,trade_no,total_amount,subject,payment_status,create_time,callback_time,callback_content', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('payment_info', 'update', 'kafka', 'dwd_payment_info', 'id,out_trade_no,order_id,user_id,payment_type,trade_no,total_amount,subject,payment_status,create_time,callback_time,callback_content', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('refund_payment', 'insert', 'kafka', 'dwd_refund_payment', 'id,out_trade_no,order_id,sku_id,payment_type,trade_no,total_amount,subject,refund_status,create_time,callback_time,callback_content', 'id', NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('refund_payment', 'update', 'kafka', 'dwd_refund_payment', 'id,out_trade_no,order_id,sku_id,payment_type,trade_no,total_amount,subject,refund_status,create_time,callback_time,callback_content', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('sku_info', 'insert', 'hbase', 'dim_sku_info', 'id,spu_id,price,sku_name,sku_desc,weight,tm_id,category3_id,sku_default_img,is_sale,create_time', 'id', ' SALT_BUCKETS = 4'); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('sku_info', 'update', 'hbase', 'dim_sku_info', 'id,spu_id,price,sku_name,sku_desc,weight,tm_id,category3_id,sku_default_img,is_sale,create_time', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('spu_info', 'insert', 'hbase', 'dim_spu_info', 'id,spu_name,description,category3_id,tm_id', 'id', ' SALT_BUCKETS = 3'); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('spu_info', 'update', 'hbase', 'dim_spu_info', 'id,spu_name,description,category3_id,tm_id', NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('user_info', 'insert', 'hbase', 'dim_user_info', 'id,login_name,name,user_level,birthday,gender,create_time,operate_time', 'id', ' SALT_BUCKETS = 3'); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES ('user_info', 'update', 'hbase', 'dim_user_info', 'id,login_name,name,user_level,birthday,gender,create_time,operate_time', NULL, NULL); -
hbase数据清除，重新建立维度表
!tables：查看所有表drop table GMALL_REALTIME.BASE_TRADEMARK;：删除表 -
初始化维度数据
将用户表的历史全量同步到hbase中，通过Maxwell的Bootstrap完成，Maxwell安装及使用可查看之前的文章。
bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table user_info --client_id maxwell_1 启动模拟生成业务数据jar
经过测试，可以看到订单宽表中用户信息的年龄及性别分别都有值。
4. 其他维度关联
4.1 关联省份维度
关联省份维度和关联用户维度处理逻辑一样，这里就要以关联用户维度后的结果流为基础，再去关联省份
需要做的要先把省份的维度数据全同步到hbase，还是通过Maxwell完成
bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table base_province --client_id maxwell_1
/**
* 关联省份维度
* 以上一个流为基础，关联省份数据
*/
SingleOutputStreamOperator orderWideWithProvinceDs = AsyncDataStream.unorderedWait(orderWideWithUserDs,
new DimAsyncFunction("DIM_BASE_PROVINCE") {
@Override
public String getKey(OrderWide orderWide) {
return orderWide.getProvince_id().toString();
}
@Override
public void join(OrderWide orderWide, JSONObject dimInfo) {
orderWide.setProvince_name(dimInfo.getString("NAME"));
orderWide.setProvince_iso_code(dimInfo.getString("ISO_CODE"));
orderWide.setProvince_area_code(dimInfo.getString("AREA_CODE"));
orderWide.setProvince_3166_2_code(dimInfo.getString("ISO_3166_2"));
}
}, 60, TimeUnit.SECONDS);
orderWideWithProvinceDs.print("order wide with province>>>");
4.2 关联sku维度
初始化sku维度数据
bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table sku_info --client_id maxwell_1
/**
* 关联sku数据
*/
SingleOutputStreamOperator orderWideWithSkuDs = AsyncDataStream.unorderedWait(orderWideWithProvinceDs,
new DimAsyncFunction("DIM_SKU_INFO") {
@Override
public String getKey(OrderWide orderWide) {
return orderWide.getSku_id().toString();
}
@Override
public void join(OrderWide orderWide, JSONObject dimInfo) {
orderWide.setSku_name(dimInfo.getString("SKU_NAME"));
orderWide.setSpu_id(dimInfo.getLong("SPU_ID"));
orderWide.setCategory3_id(dimInfo.getLong("CATEGORY3_ID"));
orderWide.setTm_id(dimInfo.getLong("TM_ID"));
}
}, 60, TimeUnit.SECONDS);
4.3 关联spu维度
初始化spu维度数据
bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table spu_info --client_id maxwell_1
/**
* 关联spu数据
*/
SingleOutputStreamOperator orderWideWithSpuDs = AsyncDataStream.unorderedWait(orderWideWithSkuDs, new DimAsyncFunction("DIM_SPU_INFO") {
@Override
public String getKey(OrderWide orderWide) {
return orderWide.getSpu_id().toString();
}
@Override
public void join(OrderWide orderWide, JSONObject dimInfo) {
orderWide.setSpu_name(dimInfo.getString("SPU_NAME"));
}
}, 60, TimeUnit.SECONDS);
4.4 关联品类维度
初始化品类维度数据
bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table base_category3 --client_id maxwell_1
/**
* 关联品类数据
*/
SingleOutputStreamOperator orderWideWithCategoryDs = AsyncDataStream.unorderedWait(orderWideWithSpuDs, new DimAsyncFunction("DIM_BASE_CATEGORY3") {
@Override
public String getKey(OrderWide orderWide) {
return orderWide.getCategory3_id().toString();
}
@Override
public void join(OrderWide orderWide, JSONObject dimInfo) {
orderWide.setCategory3_name(dimInfo.getString("NAME"));
}
}, 60, TimeUnit.SECONDS);
4.5 关联品牌维度
初始化品牌维度数据
bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table base_trademark --client_id maxwell_1
/**
* 关联品牌数据
*/
SingleOutputStreamOperator orderWideWithTmDs = AsyncDataStream.unorderedWait(orderWideWithCategoryDs, new DimAsyncFunction("DIM_BASE_TRADEMARK") {
@Override
public String getKey(OrderWide orderWide) {
return orderWide.getTm_id().toString();
}
@Override
public void join(OrderWide orderWide, JSONObject dimInfo) {
orderWide.setTm_name(dimInfo.getString("TM_NAME"));
}
}, 60, TimeUnit.SECONDS);
orderWideWithTmDs.print("order wide with sku_spu_category_tm >>> ");
5. 订单宽表写入kafka
/**
* 将关联后的订单宽表数据发送到kafka的dwm层
*/
orderWideWithTmDs.map(orderWide -> JSONObject.toJSONString(orderWide))
.addSink(MyKafkaUtil.getKafkaSink(orderWideTopic));
项目地址：https://github.com/zhangbaohpu/gmall-flink-parent
更多请在某公号平台搜索：选手一号位，本文编号：1010，回复即可获取。