基于Kafka+Flink+Redis的电商大屏实时计算案例

Posted 2021-04-13 大数据技术与架构

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于Kafka+Flink+Redis的电商大屏实时计算案例相关的知识，希望对你有一定的参考价值。

点击右侧关注，大数据开发领域最强公众号！

点击右侧关注，暴走大数据！

前言

一年一度的双11又要到了，阿里的双11销量大屏可以说是一道特殊的风景线。实时大屏（real-time dashboard）正在被越来越多的企业采用，用来及时呈现关键的数据指标。并且在实际操作中，肯定也不会仅仅计算一两个维度。由于Flink的“真·流式计算”这一特点，它比Spark Streaming要更适合大屏应用。本文从笔者的实际工作经验抽象出简单的模型，并简要叙述计算流程（当然大部分都是源码）。

数据格式与接入

简化的子订单消息体如下。

  
    
    
  
   
     
     
   {
 "userId": 234567,
 "orderId": 2902306918400,
 "subOrderId": 2902306918401,
 "siteId": 10219,
 "siteName": "site_blabla",
 "cityId": 101,
 "cityName": "北京市",
 "warehouseId": 636,
 "merchandiseId": 187699,
 "price": 299,
 "quantity": 2,
 "orderStatus": 1,
 "isNewOrder": 0,
 "timestamp": 1572963672217
}

由于订单可能会包含多种商品，故会被拆分成子订单来表示，每条JSON消息表示一个子订单。现在要按照自然日来统计以下指标，并以1秒的刷新频率呈现在大屏上：

每个站点（站点ID即siteId）的总订单数、子订单数、销量与GMV；
当前销量排名前N的商品（商品ID即merchandiseId）与它们的销量。

由于大屏的最大诉求是实时性，等待迟到数据显然不太现实，因此我们采用处理时间作为时间特征，并以1分钟的频率做checkpointing。

  
    
    
  
   
     
     
   StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);
env.enableCheckpointing(60 * 1000, CheckpointingMode.EXACTLY_ONCE);
env.getCheckpointConfig().setCheckpointTimeout(30 * 1000);

然后订阅Kafka的订单消息作为数据源。

  
    
    
  
   
     
     
    Properties consumerProps = ParameterUtil.getFromResourceFile("kafka.properties");
 DataStream<String> sourceStream = env
 .addSource(new FlinkKafkaConsumer011<>(
 ORDER_EXT_TOPIC_NAME, // topic
 new SimpleStringSchema(), // deserializer
 consumerProps // consumer properties
 ))
 .setParallelism(PARTITION_COUNT)
 .name("source_kafka_" + ORDER_EXT_TOPIC_NAME)
 .uid("source_kafka_" + ORDER_EXT_TOPIC_NAME);

给带状态的算子设定算子ID（通过调用uid()方法）是个好习惯，能够保证Flink应用从保存点重启时能够正确恢复状态现场。为了尽量稳妥，Flink官方也建议为每个算子都显式地设定ID ，参考： https://ci.apache.org/projects/flink/flink-docs-stable/ops/state/savepoints.html#should-i-assign-ids-to-all-operators-in-my-job

接下来将JSON数据转化为POJO，JSON框架采用FastJSON。

  
    
    
  
   
     
     
    DataStream<SubOrderDetail> orderStream = sourceStream
 .map(message -> JSON.parseObject(message, SubOrderDetail.class))
 .name("map_sub_order_detail").uid("map_sub_order_detail");

JSON已经是预先处理好的标准化格式，所以POJO类SubOrderDetail的写法可以通过Lombok极大地简化。如果JSON的字段有不规范的，那么就需要手写Getter和Setter，并用@JSONField注解来指明。

  
    
    
  
   
     
     
   @Getter
@Setter
@NoArgsConstructor
@AllArgsConstructor
@ToString
public class SubOrderDetail implements Serializable {
 private static final long serialVersionUID = 1L;
 
 private long userId;
 private long orderId;
 private long subOrderId;
 private long siteId;
 private String siteName;
 private long cityId;
 private String cityName;
 private long warehouseId;
 private long merchandiseId;
 private long price;
 private long quantity;
 private int orderStatus;
 private int isNewOrder;
 private long timestamp;
}

统计站点指标

将子订单流按站点ID分组，开1天的滚动窗口，并同时设定ContinuousProcessingTimeTrigger触发器，以1秒周期触发计算。注意处理时间的时区问题，这是老生常谈了。

  
    
    
  
   
     
     
    WindowedStream<SubOrderDetail, Tuple, TimeWindow> siteDayWindowStream = orderStream
 .keyBy("siteId")
 .window(TumblingProcessingTimeWindows.of(Time.days(1), Time.hours(-8)))
 .trigger(ContinuousProcessingTimeTrigger.of(Time.seconds(1)));

接下来写个聚合函数。

  
    
    
  
   
     
     
    DataStream<OrderAccumulator> siteAggStream = siteDayWindowStream
 .aggregate(new OrderAndGmvAggregateFunc())
 .name("aggregate_site_order_gmv").uid("aggregate_site_order_gmv");

  
    
    
  
   
     
     
    public static final class OrderAndGmvAggregateFunc
 implements AggregateFunction<SubOrderDetail, OrderAccumulator, OrderAccumulator> {
 private static final long serialVersionUID = 1L;

 @Override
 public OrderAccumulator createAccumulator() {
 return new OrderAccumulator();
 }

 @Override
 public OrderAccumulator add(SubOrderDetail record, OrderAccumulator acc) {
 if (acc.getSiteId() == 0) {
 acc.setSiteId(record.getSiteId());
 acc.setSiteName(record.getSiteName());
 }
 acc.addOrderId(record.getOrderId());
 acc.addSubOrderSum(1);
 acc.addQuantitySum(record.getQuantity());
 acc.addGmv(record.getPrice() * record.getQuantity());
 return acc;
 }

 @Override
 public OrderAccumulator getResult(OrderAccumulator acc) {
 return acc;
 }

 @Override
 public OrderAccumulator merge(OrderAccumulator acc1, OrderAccumulator acc2) {
 if (acc1.getSiteId() == 0) {
 acc1.setSiteId(acc2.getSiteId());
 acc1.setSiteName(acc2.getSiteName());
 }
 acc1.addOrderIds(acc2.getOrderIds());
 acc1.addSubOrderSum(acc2.getSubOrderSum());
 acc1.addQuantitySum(acc2.getQuantitySum());
 acc1.addGmv(acc2.getGmv());
 return acc1;
 }
 }

累加器类OrderAccumulator的实现很简单，看源码就大概知道它的结构了，因此不再多废话。唯一需要注意的是订单ID可能重复，所以需要用名为orderIds的HashSet来保存它。 HashSet应付我们目前的数据规模还是没太大问题的，如果是海量数据，就考虑换用HyperLogLog吧。

接下来就该输出到Redis供呈现端查询了。这里有个问题：一秒内有数据变化的站点并不多，而ContinuousProcessingTimeTrigger每次触发都会输出窗口里全部的聚合数据，这样做了很多无用功，并且还会增大Redis的压力。所以，我们在聚合结果后再接一个ProcessFunction，代码如下。

  
    
    
  
   
     
     
    DataStream<Tuple2<Long, String>> siteResultStream = siteAggStream
 .keyBy(0)
 .process(new OutputOrderGmvProcessFunc(), TypeInformation.of(new TypeHint<Tuple2<Long, String>>() {}))
 .name("process_site_gmv_changed").uid("process_site_gmv_changed");

  
    
    
  
   
     
     
    public static final class OutputOrderGmvProcessFunc
 extends KeyedProcessFunction<Tuple, OrderAccumulator, Tuple2<Long, String>> {
 private static final long serialVersionUID = 1L;

 private MapState<Long, OrderAccumulator> state;

 @Override
 public void open(Configuration parameters) throws Exception {
 super.open(parameters);
 state = this.getRuntimeContext().getMapState(new MapStateDescriptor<>(
 "state_site_order_gmv",
 Long.class,
 OrderAccumulator.class)
 );
 }

 @Override
 public void processElement(OrderAccumulator value, Context ctx, Collector<Tuple2<Long, String>> out) throws Exception {
 long key = value.getSiteId();
 OrderAccumulator cachedValue = state.get(key);

 if (cachedValue == null || value.getSubOrderSum() != cachedValue.getSubOrderSum()) {
 JSONObject result = new JSONObject();
 result.put("site_id", value.getSiteId());
 result.put("site_name", value.getSiteName());
 result.put("quantity", value.getQuantitySum());
 result.put("orderCount", value.getOrderIds().size());
 result.put("subOrderCount", value.getSubOrderSum());
 result.put("gmv", value.getGmv());
 out.collect(new Tuple2<>(key, result.toJSONString());
 state.put(key, value);
 }
 }

 @Override
 public void close() throws Exception {
 state.clear();
 super.close();
 }
 }

说来也简单，就是用一个MapState状态缓存当前所有站点的聚合数据。由于数据源是以子订单为单位的，因此如果站点ID在MapState中没有缓存，或者缓存的子订单数与当前子订单数不一致，表示结果有更新，这样的数据才允许输出。

最后就可以安心地接上Redis Sink了，结果会被存进一个Hash结构里。

  
    
    
  
   
     
     
    // 看官请自己构造合适的FlinkJedisPoolConfig
 FlinkJedisPoolConfig jedisPoolConfig = ParameterUtil.getFlinkJedisPoolConfig(false, true);
 siteResultStream
 .addSink(new RedisSink<>(jedisPoolConfig, new GmvRedisMapper()))
 .name("sink_redis_site_gmv").uid("sink_redis_site_gmv")
 .setParallelism(1);

  
    
    
  
   
     
     
    public static final class GmvRedisMapper implements RedisMapper<Tuple2<Long, String>> {
 private static final long serialVersionUID = 1L;
 private static final String HASH_NAME_PREFIX = "RT:DASHBOARD:GMV:";

 @Override
 public RedisCommandDescription getCommandDescription() {
 return new RedisCommandDescription(RedisCommand.HSET, HASH_NAME_PREFIX);
 }

 @Override
 public String getKeyFromData(Tuple2<Long, String> data) {
 return String.valueOf(data.f0);
 }

 @Override
 public String getValueFromData(Tuple2<Long, String> data) {
 return data.f1;
 }

 @Override
 public Optional<String> getAdditionalKey(Tuple2<Long, String> data) {
 return Optional.of(
 HASH_NAME_PREFIX +
 new LocalDateTime(System.currentTimeMillis()).toString(Consts.TIME_DAY_FORMAT) +
 "SITES"
 );
 }
 }

商品Top N

我们可以直接复用前面产生的orderStream，玩法与上面的GMV统计大同小异。这里用1秒滚动窗口就可以了。

  
    
    
  
   
     
     
    WindowedStream<SubOrderDetail, Tuple, TimeWindow> merchandiseWindowStream = orderStream
 .keyBy("merchandiseId")
 .window(TumblingProcessingTimeWindows.of(Time.seconds(1)));

 DataStream<Tuple2<Long, Long>> merchandiseRankStream = merchandiseWindowStream
 .aggregate(new MerchandiseSalesAggregateFunc(), new MerchandiseSalesWindowFunc())
 .name("aggregate_merch_sales").uid("aggregate_merch_sales")
 .returns(TypeInformation.of(new TypeHint<Tuple2<Long, Long>>() { }));

聚合函数与窗口函数的实现更加简单了，最终返回的是商品ID与商品销量的二元组。

  
    
    
  
   
     
     
    public static final class MerchandiseSalesAggregateFunc
 implements AggregateFunction<SubOrderDetail, Long, Long> {
 private static final long serialVersionUID = 1L;

 @Override
 public Long createAccumulator() {
 return 0L;
 }

 @Override
 public Long add(SubOrderDetail value, Long acc) {
 return acc + value.getQuantity();
 }

 @Override
 public Long getResult(Long acc) {
 return acc;
 }

 @Override
 public Long merge(Long acc1, Long acc2) {
 return acc1 + acc2;
 }
 }


 public static final class MerchandiseSalesWindowFunc
 implements WindowFunction<Long, Tuple2<Long, Long>, Tuple, TimeWindow> {
 private static final long serialVersionUID = 1L;

 @Override
 public void apply(
 Tuple key,
 TimeWindow window,
 Iterable<Long> accs,
 Collector<Tuple2<Long, Long>> out) throws Exception {
 long merchId = ((Tuple1<Long>) key).f0;
 long acc = accs.iterator().next();
 out.collect(new Tuple2<>(merchId, acc));
 }
 }

既然数据最终都要落到Redis，那么我们完全没必要在Flink端做Top N的统计，直接利用Redis的有序集合（zset）就行了，商品ID作为field，销量作为分数值，简单方便。不过flink-redis-connector项目中默认没有提供ZINCRBY命令的实现（必须再吐槽一次），我们可以自己加，步骤参照之前写过的那篇加SETEX的命令的文章，不再赘述。 RedisMapper的写法如下。

  
    
    
  
   
     
     
    public static final class RankingRedisMapper implements RedisMapper<Tuple2<Long, Long>> {
 private static final long serialVersionUID = 1L;
 private static final String ZSET_NAME_PREFIX = "RT:DASHBOARD:RANKING:";

 @Override
 public RedisCommandDescription getCommandDescription() {
 return new RedisCommandDescription(RedisCommand.ZINCRBY, ZSET_NAME_PREFIX);
 }

 @Override
 public String getKeyFromData(Tuple2<Long, Long> data) {
 return String.valueOf(data.f0);
 }

 @Override
 public String getValueFromData(Tuple2<Long, Long> data) {
 return String.valueOf(data.f1);
 }

 @Override
 public Optional<String> getAdditionalKey(Tuple2<Long, Long> data) {
 return Optional.of(
 ZSET_NAME_PREFIX +
 new LocalDateTime(System.currentTimeMillis()).toString(Consts.TIME_DAY_FORMAT) + ":" +
 "MERCHANDISE"
 );
 }
 }

后端取数时，用ZREVRANGE命令即可取出指定排名的数据了。只要数据规模不是大到难以接受，并且有现成的Redis，这个方案完全可以作为各类Top N需求的通用实现。

The End

大屏的实际呈现需要保密，截图自然是没有的。以下是提交执行时Flink Web UI给出的执行计划（实际有更多的统计任务，不止3个Sink）。通过复用源数据，可以在同一个Flink job内实现更多统计需求。

欢迎点赞+收藏+转发朋友圈素质三连

文章不错？点个【在看】吧！

以上是关于基于Kafka+Flink+Redis的电商大屏实时计算案例的主要内容，如果未能解决你的问题，请参考以下文章

实战SparkStream+Kafka+Redis实时计算商品销售额

基于Flink的视频直播案例（上）

基于Flink的实时计算平台的构建

参赛作品95DLI Flink SQL+kafka+（opengauss和mysql）进行电商实时业务数据分析

Demo：基于 Flink SQL 构建流式应用

2021年大数据Flink（四十）：Flink模拟双十一实时大屏统计