当前位置：首页 > news >正文

大数据Flink（一百二十四）：案例实践——淘宝母婴数据加速查询

news 2024/9/24 19:40:14

文章目录

案例实践——淘宝母婴数据加速查询

一、创建数据库表并导入数据

二、创建session集群

三、源表查询

四、指标计算

案例实践——淘宝母婴数据加速查询

随着“全面二孩”政策落地、居民可支配收入稳步增加等因素的刺激，中国的母婴消费市场正迎来黄金时代。与此同时，随着国民消费升级90后宝爸、宝妈人数剧增，消费需求与消费理念都发生了巨大的变化。据罗兰贝格最新公布的报告预计，已经经过了16个年头发展的母婴行业，到2020年，整体规模将达到3.6万亿元，2016-2020年复合增速高达17%,行业前景看起来一片光明。如此大好形势下，母婴人群在母婴消费上有什么特点？消费最高的项目是什么？

本场景将以阿里云实时计算Flink版为基础，使用Flink自带的 MySQL Connector连接RDS云数据库实例，并以一个淘宝母婴订单实时查询的例子尝试上手Connector的数据捕获、数据变更等功能。

本场景中订单和婴儿信息存储在MySQL中，对于订单表，为了方便进行分析，我们让它关联上其对应的婴儿信息，构成一张宽表。另一方面数据经过分组聚合后，计算出订单数量和婴儿出生的关系。

按步骤完成本次实验后，您将掌握的知识有：

使用Flink实时计算平台创建并提交作业的方法；
编写基于Flink Table API SQL语句的能力；
使用MySQL Connector对数据库进行读取的方法；

一、创建数据库表并导入数据

在这个例子中，我们将创建三张数据表，其中一张orders_dataset_tmp是导入数据的临时表，其他两张作为源表，体验淘宝母婴订单实时查询。

进入mysql管理平台DMS，单击数据库实例，在已登录实例中找到test数据库，并双击数据库。

在SQLConsole页签中，输入如下SQL建表语句，然后单击执行。

create table orders_dataset_tmp(user_id bigint comment '用户身份信息',			auction_id bigint comment '购买行为编号',		cat_id bigint comment '商品种类序列号',			cat1 bigint comment '商品序列号（根类别）',				property TEXT comment '商品属性',			buy_mount int comment '购买数量',			day TEXT comment '购买时间'				
);create table orders_dataset(order_id BIGINT NOT NULL AUTO_INCREMENT PRIMARY KEY comment '订单id',user_id bigint comment '用户身份信息',			auction_id bigint comment '购买行为编号',		cat_id bigint comment '商品种类序列号',			cat1 bigint comment '商品序列号（根类别）',				property TEXT comment '商品属性',			buy_mount int comment '购买数量',			day TEXT comment '购买时间'				
);--
create table baby_dataset(user_id bigint NOT NULL PRIMARY KEY,	birthday text comment '婴儿生日',gender int comment '0 denotes female, 1 denotes male, 2 denotes unknown'
);

在DMS数据管理平台，选择左侧的常用功能>数据导入。

配置如下信息后单击提交申请，将 (sample)sam_tianchi_mum_baby_trade_history.csv 导入 orders_dataset_tmp 表。

点击提交申请后，等待审批完成，点击执行变更，返回如下结果，数据导入完成。

重复上述步骤，将(sample)sam_tianchi_mum_baby.csv 导入 baby_dataset 表。

导入完成之后，在SQLConsole页签中，输入如下SQL，然后单击执行，将订单数据导入到订单源表orders_dataset 中。

insert into orders_dataset(user_id,auction_id,cat_id,cat1,property,buy_mount,day)
select * from orders_dataset_tmp;

可以看到几张表中都有了数据。

SELECT * FROM `baby_dataset` ;

SELECT * FROM `orders_dataset` ;

查询表数据条数

SELECT count(1) FROM `baby_dataset` ;

二、创建session集群

使用之前的flink-sql-test-session集群即可。如若没有，安装下面步骤创建。

登录实时计算控制台。
在Flink全托管页签，单击目标工作空间名称对应应操作列下的控制台。
在左侧导航栏，单击Session集群。
单击创建Session集群。

表格中未提及的参数保持默认值即可，需要配置的参数说明请参见下表。

配置项	说明	配置示例
名称	Session集群名称。	flink-sql-test-session
状态	设置当前集群的期望运行状态： STOPPED：当集群配置完成后保持停止状态，同样会停止所有在运行中的作业。 RUNNING：当集群配置完成后保持运行状态。	RUNNING
引擎版本	Session集群引擎版本号。	vvr-6.0.7-flink-1.15
Task Managers数量	默认与并行度保持一致。	4

单击创建Session集群。

当Session集群状态（页面上方集群名称旁边）从启动中变为运行中后，可以进入后续步骤。

三、源表查询

进入Flink开发平台，点击作业开发，在demo文件夹下创建monther-baby-test流作业草稿，版本选择vvr-6.0.7-flink-1.15。创建源表，代码如下

CREATE TABLE orders_dataset (order_id BIGINT,`user_id` bigint,			auction_id bigint,		cat_id bigint,			cat1 bigint,				property varchar,			buy_mount int,			`day` varchar	,PRIMARY KEY(order_id) NOT ENFORCED
) WITH ('connector' = 'mysql','hostname' = 'rm-cn-g4t3gzb9789789ca.rwlb.rds.aliyuncs.com','port' = '3306','username' = 'itlanson','password' = 'It123','database-name' = 'test','table-name' = 'orders_dataset'
);
CREATE TABLE baby_dataset (`user_id` bigint,birthday varchar,gender int,PRIMARY KEY(user_id) NOT ENFORCED
) WITH ('connector' = 'mysql','hostname' = 'rm-cn-g4t3gzb9789789ca.rwlb.rds.aliyuncs.com','port' = '3306','username' = 'itlanson','password' = 'It123','database-name' = 'test','table-name' = 'baby_dataset'
);

选中代码，点击左上角运行，完成表的创建。创建完之后，可以在元数据中的vvp.default下看到表。

查询表数据

select * from baby_dataset;

选中代码，点击调试，提交到flink-sql-test-session集群。结果如下

select * from orders_dataset;

选中代码，点击调试，查询结果如下

查询数据条数，代码如下

select count(1) from baby_dataset;

选择代码后，点击调试。

可以看到控制台的结果在不断增大，达到500会暂停。这是因为默认查询500条，此时需要点击左侧的绿色箭头，恢复查询。

最后结果如下，可以看到，与mysql中的对应表数据条数相同。

此时，在mysql中向baby_dataset表插入一条数据

insert into baby_dataset values (99999999,'20130101',1);

回到flink控制台，可以看到，计数结果也增加了。

点击红色按钮停止查询。然后查询刚才插入的数据。

SELECT * FROM `baby_dataset` 
where user_id=99999999;

此时，在mysql将此条数据的生日进行更改

UPDATE baby_dataset SET birthday = '20140101' WHERE user_id = 99999999;

执行成功后，观察flink控制台的变化，发现数据也完成了更改。

四、指标计算

我们希望对原始数据按照 user_id 进行 JOIN，构成一张宽表。查询orders_dataset和baby_dataset表的关联结果，代码如下：

SELECT o.*,b.birthday,b.gender
FROM orders_dataset /*+ OPTIONS('server-id'='123450-123452') */ o
LEFT JOIN baby_dataset /*+ OPTIONS('server-id'='123453-123455') */ as bON o.user_id = b.user_id;

选中代码，点击调试，结果如下

接下来，我们希望对原始数据按照 user_id 进行 JOIN，构成一张宽表。然后对宽表数据的订单时间取到月份进行分组 GROUP BY，并统计每个分组中订单的购买数量SUM和出生婴儿的数量COUNT。代码如下

SELECT SUBSTRING(tmp1.`day` FROM 1 FOR 6) as year_mon,SUM(tmp1.buy_mount) as buy_num,COUNT(birthday) as baby_num
FROM(SELECT o.*,b.birthday,b.genderFROM orders_dataset /*+ OPTIONS('server-id'='123456-123457') */ oLEFT JOIN baby_dataset /*+ OPTIONS('server-id'='123458-123459') */ as bON o.user_id = b.user_id
) tmp1
GROUP BY SUBSTRING(tmp1.`day` FROM 1 FOR 6);

选中代码，点击调试，结果如下