GaussDB(DWS)基于Flink的实时数仓构建

1、增量计算的背景

随着数智化时代的到来，数据量不断增长，为了充分挖掘数据价值，实时获取数据动态，GaussDB(DWS)通过与流引擎Flink结合，优化ETL Pipeline，从而数据分析时效实现T+0。

Flink是一款开源的流处理框架，它能够实时处理大规模数据流，并具有高可靠性和高性能的特点。Flink支持流式数据处理、批处理和图形处理等多种计算模式，并提供了丰富的API和工具，可以方便地进行数据处理和分析。GaussDB(DWS)与Flink结合构建下一代Stream Warehouse，实现增量计算，可以为用户提供更加全面、高效的数据处理和分析能力。

为什么需要增量计算能力？增量计算能力解决了哪些场景的痛点问题？

高性能场景

一些需要高性能的典型场景如下：

(1)增量数据的实时ETL并更新物化视图，秒级更新；

(2)数据在仓湖之间实时流动能力；

(3)实时流数据不落盘，直达实时大屏。

数据入库场景

Kafka的数据直接入湖

2、GaussDB(DWS)+Flink实现增量计算的架构设计

GaussDB(DWS)与流引擎结合，实现企业数仓模型的分层、增量化加工，统一批流处理逻辑，一站式支持批、流、交互式、点查等多种场景，简化数据生产线架构复杂度，构建新一代实时增量数仓，满足企业日趋便捷化的数据生产线场景。

三大实时能力	GaussDB(DWS)	Flink
实时入出仓	提升入库性能，支持Binlog表CDC功能，实现 “流表一体”	GaussDB(DWS)对接Flink元数据，GaussDB(DWS)可以作为Flink的源表、结果表
实时增量加工	支持基于数据流表达的增量加工	复杂SQL下推GaussDB(DWS)，流表关联，多流关联等
实时查询	支持数据高效点查	GaussDB(DWS)对接Flink元数据，GaussDB(DWS)可以作为Flink的维表，支持维表点查

如下图，增量数据可以被流引擎实时地感知捕获到，并运行预置的增量计算任务，然后再写回到数仓的下一层模型里面。通过几次流引擎的迭代，使得贴源层的增量数据能迅速的反映到明细层以及最终的集市层，来支撑实时的BI报表分析、交互式分析等业务场景。

3、 GaussDB(DWS)+Flink增量计算能力图介绍

GaussDB(DWS)结合Flink的能力构建，涵盖以下四大功能：

Catalog

打通Flink元数据与湖仓元数据。

Source

仓内表通过Binlog将增量数据暴露出来让Flink及时感知，从而驱动实时增量数据运算任务的开始。

Source connector算子，可以将一些条件下推至仓中完成点查任务。

Sink

Sink connector算子可以将job中的数据写回数仓中。

流维

流维算子提供了流数据关联维表的能力。

GaussDB(DWS)结合Flink的非功能性构建：

CKPT建设

每个算子implements flink的指定接口，将计算中间结果持久化下去，并做到功能幂等，即可接入flink灾难恢复处理能力，做到job的端到端数据exactly once。

4、生态工具streamer介绍

为了便于用户一键操作数据入库，GaussDB(DWS)研发了streamer生态工具，用户不再需要自己写SQL，只需要在IDE中进行操作。

操作步骤如下：

第一步：配置kafka及数仓表。

第二步：创建POJO类分别对应kafka消息体及数仓表行数据。

第三步：编写自定义算子，实现自定义Mapping功能。系统提供默认1对1 Mapping算子，可直接使用。

本期分享到此结束，更多关于GaussDB(DWS)产品技术解析、数仓产品新特性的介绍，请关注GaussDB(DWS)开发者平台，GaussDB(DWS)开发者平台为开发者们提供最新、最全的信息咨询，包括精品技术文章、最佳实践、直播集锦、热门活动、海量案例、智能机器人。让您学+练+玩一站式体验GaussDB(DWS)。

GaussDB(DWS)开发者平台链接：https://bbs.huaweicloud.com/contents/dws/learning.html

点击关注，第一时间了解华为云新鲜技术~