实时计算pv/uv Demo

简介： 本文由阿里巴巴高级技术专家邓小勇（静行）分享，主要用 Demo 演示如何通过实时计算 Flink 实时计算pv/uv的场景。

本文由阿里巴巴高级技术专家邓小勇（静行）分享，主要用 Demo 演示如何通过实时计算 Flink 实时计算pv/uv的场景。内容将从以下几部分进行：

1. App 计算 pv/uv 场景
2. 实现方案（From Flink-1.11）
3. DDL
4. DML
5. 实操

首先为大家展示一个比较简单的pv/uv场景。以下图所示的APP为例，整个业务构架需要几个入口，包括用户访问入口、作者入口和运营人员入口。在运营人员入口进去可以查看系统的一些指标，比如app 的pv/uv。

在开始介绍如何计算实时pv/uv之前，可以先了解下上图的10个字段和它们对应的含义。通过这些字段可以了解到，用户在APP上的任何一次操作都会在数据库中留下一条对应的记录，所有记录就是该用户在APP上的操作流水。

那么如何实时计算pv/uv呢？

有两种方案。

方案一，MySQL的变更数据同步到Kafka后进行实时计算。由于 Flink在设计之初是具有流表二象性的，所以在 Flink 1.1版本之后，就可以实现 Flink 对 Kafka变更数据的处理了，包括处理一些修改、删除等操作。处理后的结果会放到阿里云Hologress里，方便用户进行大数据查询和分析。

方案二，从上图可以看到方案一比方案二只多了一个Kafka，在 Flink 1.11 版本之后，可以直接通过Debezium连接MySQL，然后经过Flink 实时计算，也可以完成同样功能。

两个方案都可以实现，那么如何选择呢？主要取决于业务。如果数据只是暂存，日志需要展示或是需要多个下游使用，需要保存到Kafka；如果日志不需要回溯，或是没有下游使用，那么方案二更适合。

实战演示

如下图所示，我们选择方案二（MySQL-CDC源表方式）来演示。

首先打开实时计算 Flink平台，点击左侧SQL编辑器，然后通过Create Table方式设定上文提到的10个字段。这样就定义了数据的源头。

定义源头之后，接下来要构建目标表。如下图所示，在构建目标表时，定义了blackhole_pv_uv表，构造了一个无实际存储的目标端，充当调试作用，先把逻辑跑通，然后再去往目标端去写代码。Blackhole 会吸收掉输出结果数据，先处理掉源端和计算的问题。

以上的表会落到 Flink Catalog里，对于实时计算pv/uv上下游表格的准备就完成了。如果需要调整表，也可以通过DDL SQL语句完成。

做好建表准备后，如何实时计算想要达到的目标呢？以最简单的方式来演示。

先把数据写到Blackhole里，然后把4个字段值计算出来，比如cuurenttime，event_hour等。

通过上图所示的代码可以计算出，数据是什么时候输入的，数据的pv/uv值等等。

运行刚刚写入的作业：

然后点击创建SQL作业，

创建完成后，点击启动。

启动后可以点击 Flink UI 来查看运行状态。查看时候可以看到下端有显示记录了8条数据：

回到数据库也能看到对应的8条数据：

如何把实际的结果写到holo里呢？

核心逻辑与上文实时计算的逻辑是一样的，唯一不一样的是，要把计算的结果既输出到holo_pv_uv里去，同时也输出到backhole里去，也就是要把同样的结果输出两份，这是在流计算里经常会遇到的情况。甚至还有在同一作业里不同的业务逻辑或计算结果，也要输出到不同的目标端的情况。

打开实时计算 Flink 页面的SQL编辑器，在输入框中创建 temporary view，把数据记录到blackhole 里和holo里。

为了实现这个目标，需要增加一个叫begin statement set和end的语法，这其实是定义了一个计算逻辑，使得在它们中间的逻辑任务就会同时运行。

然后完成部署、创建作业和启动后，就能看到这个计算逻辑已经成功了。

作者：邓小勇（静行）

原文链接

本文为阿里云原创内容，未经允许不得转载