Flink 实践入门5-写入 ClickHouse
|
2019-05-17
流计算 Oceanus 简介
流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台。流计算 Oceanus 以实现企业数据价值最大化为目标，加速企业实时化数字化的建设进程。
本文将为您详细介绍如何使用 Datagen Connector 模拟生成客户视频点击量数据，并利用滚动窗口函数对每分钟内客户的视频点击量进行聚合分析，最后将数据输出到 ClickHouse 的流程。
前置准备
创建流计算 Oceanus 集群
进入流计算 Oceanus 控制台 [1]，点击左侧【集群管理】，点击左上方【创建集群】，完成 Oceanus 集群的创建。具体可参考 Oceanus 官方文档创建独享集群[2]。
创建 ClickHouse 集群
进入 ClickHouse 控制台[3]，点击左上角【新建集群】，完成 ClickHouse 集群的创建。具体可参考 ClickHouse 快速入门[4]。
注意：创建 Oceanus 集群和 ClickHouse 集群时所选的 VPC 必须相同。
创建 ClickHouse 表：
1.进入与 ClickHouse 集群同 VPC 的某一台 CVM 下，安装 ClickHouse 客户端（下载该客户端需连通外网），具体操作步骤参考 ClickHouse 快速入门[4]。
# 下载 ClickHouse-Client 命令 wget https://repo.yandex.ru/clickhouse/rpm/stable/x86_64/clickhouse-client-20.7.2.30-2.noarch.rpm wget https://repo.yandex.ru/clickhouse/rpm/stable/x86_64/clickhouse-common-static-20.7.2.30-2.x86_64.rpm
2. 安装客户端
rpm -ivh *.rpm
3. 使用 tcp 端口登陆 ClickHouse 集群，IP 地址可通过控制台查看
clickhouse-client -hxxx.xxx.xxx.xxx --port 9000
4. 登陆 ClickHouse 集群，建表。
CREATE TABLE default.datagen_to_ck on cluster default_cluster ( win_start TIMESTAMP, win_end TIMESTAMP, user_id String, amount_total Int16, Sign Int8 ) ENGINE = ReplicatedCollapsingMergeTree('/clickhouse/tables/{layer}-{shard}/default/datagen_to_ck', '{replica}',Sign) ORDER BY (win_start,win_end,user_id);
流计算 Oceanus 作业
1. 创建 Source
CREATE TABLE random_source ( user_id VARCHAR, amount INT, pre_time AS CURRENT_TIMESTAMP, WATERMARK FOR pre_time AS pre_time - INTERVAL '3' SECOND ) WITH ( 'connector' = 'datagen', 'rows-per-second' = '5', -- 每秒产生的数据条数 'fields.user_id.length' = '1', -- 随机字符串的长度 'fields.amount.kind' = 'random', -- 无界的随机数 'fields.amount.min' = '1', -- 随机数的最小值 'fields.amount.max' = '10' -- 随机数的最大值 );
2. 创建 Sink
CREATE TABLE clickhouse ( win_start TIMESTAMP(3), win_end TIMESTAMP(3), user_id VARCHAR, amount_total BIGINT, PRIMARY KEY (win_start,win_end,user_id) NOT ENFORCED -- 如果要同步的数据库表定义了主键, 则这里也需要定义 ) WITH ( 'connector' = 'clickhouse', 'url' = 'clickhouse://10.0.0.178:8123', --'username' = 'root', -- 如果ClickHouse集群未配置账号密码可以不指定 --'password' = 'root', 'database-name' = 'default', 'table-name' = 'datagen_to_ck', 'table.collapsing.field' = 'Sign' -- CollapsingMergeTree 类型列字段的名称 );
3. 编写业务 SQL
INSERT INTO clickhouse SELECT TUMBLE_START(pre_time,INTERVAL '1' MINUTE) AS win_start, TUMBLE_END(pre_time,INTERVAL '1' MINUTE) AS win_end, user_id, CAST(SUM(amount) AS BIGINT) AS amount_total FROM random_source GROUP BY TUMBLE(pre_time,INTERVAL '1' MINUTE),user_id;
4. 选择 Connector
点击【作业参数】，在【内置 Connector】选择 flink-connector-clickhouse，点击【保存】>【发布草稿】运行作业。
注意：新版 Flink 1.13 集群不需要用户自己选择内置 Connector
总结
总结
本示例使用 datagen Connecor 模拟产生随机数据，使用 TUMBLE WINDOW（滚动窗口）统计各用户（user_id）每分钟的视频点击量（amount_total），然后将数据存储在 ClickHouse 中。 更多时间窗口函数示例请参考 Oceanus 官方文档 5。
参考链接
5 Oceanus 窗口函数官方文档：https://cloud.tencent.com/document/product/849/18077
编辑：航网科技 来源：腾讯云 本文版权归原作者所有 转载请注明出处
关注我们
微信扫一扫关注我们
推荐阅读
