Realtime Compute for Apache Flink：基於Flink+Hologres搭建即時數倉

建立Catalog

1. 建立Hologres Catalog。

   在Realtime Compute控制台SQL開發頁面的查詢指令碼頁簽，將如下代碼拷貝到查詢指令碼，並修改目標參數取值，選中目標片段後單擊左側程式碼上的運行。

   CREATE CATALOG dw WITH (
     'type' = 'hologres',
     'endpoint' = '<ENDPOINT>', 
     'username' = '<USERNAME>',
     'password' = '${secret_values.ak_holo}',
     'dbname' = 'order_dw',
     'binlog' = 'true', -- 建立catalog時可以設定源表、維表和結果表支援的with參數，之後在使用此catalog下的表時會預設添加這些預設參數。
     'sdkMode' = 'jdbc', -- 推薦使用jdbc模式。
     'cdcmode' = 'true',
     'connectionpoolname' = 'the_conn_pool',
     'ignoredelete' = 'true',  -- 寬表merge需要開啟，防止回撤。
     'partial-insert.enabled' = 'true', -- 寬表merge需要開啟此參數，實現部分列更新。
     'mutateType' = 'insertOrUpdate', -- 寬表merge需要開啟此參數，實現部分列更新。
     'table_property.binlog.level' = 'replica', --也可以在建立catalog時傳入持久化的hologres表屬性，之後建立表時，預設都開啟binlog。
     'table_property.binlog.ttl' = '259200'
   );
   

   您需要修改以下參數取值為您實際Hologres服務資訊。

   參數	說明	備忘
   endpoint	Hologres的Endpoint地址。	詳情請參見執行個體配置。
   username	阿里雲帳號的AccessKey ID。	當前配置的AccessKey對應的使用者需要能夠訪問所有的Hologres資料庫，Hologres資料庫許可權請參見Hologres許可權模型概述。 為了避免您的AK資訊泄露，本樣本通過使用名為ak_holo密鑰的方式填寫AccessKey Secret取值，詳情請參見變數和密鑰管理。
   password	阿里雲帳號的AccessKey Secret。

   說明

   建立Catalog時可以設定預設的源表、維表和結果表的WITH參數，也可以設定建立Hologres物理表的預設屬性，例如上方table_property開頭的參數。詳情請參見管理Hologres Catalog和即時數倉Hologres WITH參數。

2. 建立MySQL Catalog。

   將如下代碼拷貝到查詢指令碼，並修改目標參數取值，選中目標片段後單擊左側程式碼上的運行。

   CREATE CATALOG mysqlcatalog WITH(
     'type' = 'mysql',
     'hostname' = '<hostname>',
     'port' = '<port>',
     'username' = '<username>',
     'password' = '${secret_values.mysql_pw}',
     'default-database' = 'order_dw'
   );

   您需要修改以下參數取值為您實際的MySQL服務資訊。

   參數	說明
   hostname	MySQL資料庫的IP地址或者Hostname。
   port	MySQL資料庫服務的連接埠號碼，預設值為3306。
   username	MySQL資料庫服務的使用者名稱。
   password	MySQL資料庫服務的密碼。 本樣本通過使用名為mysql_pw密鑰的方式填寫密碼取值，避免資訊泄露，詳情請參見變數和密鑰管理。

構建ODS層：業務資料庫即時入倉

基於Catalog的CREATE DATABASE AS（CDAS）語句功能，可以一次性把ODS層建出來。ODS層一般不直接做OLAP或SERVING（KV點查），主要作為流式作業的事件驅動，開啟binlog即可滿足需求。Binlog是Hologres的核心能力之一，Hologres連接器也支援先全量讀取再增量消費Binlog的全增量模式。

1. 建立CDAS同步作業ODS。

   1. 在Realtime Compute控制台上，建立名為ODS的SQL流作業，並將如下代碼拷貝到SQL編輯器。

      CREATE DATABASE IF NOT EXISTS dw.order_dw   -- 建立catalog時設定了table_property.binlog.level參數，因此通過CDAS建立的所有表都開啟了binlog。
      AS DATABASE mysqlcatalog.order_dw INCLUDING all tables -- 可以根據需要選擇上遊資料庫需要入倉的表。
      /*+ OPTIONS('server-id'='8001-8004') */ ;   -- 指定mysql-cdc執行個體server-id範圍。

      說明

      本樣本預設將資料同步到資料庫order_dw的Public Schema下。您也可以將資料同步到Hologres目標庫的指定Schema中，詳情請參見作為CDAS的目標端Catalog，指定後使用Catalog時的表名格式也會發生變化，詳情請參見使用Hologres Catalog。

   2. 單擊右上方的部署，進行作業部署。

   3. 單擊左側導覽列的作業營運，單擊剛剛部署的ODS作業操作列的啟動，選擇無狀態啟動後單擊啟動。

2. 查看MySQL同步到Hologres的3張表資料。

   在HoloWeb開發頁面串連Hologres執行個體並登入目標資料庫後，在SQL編輯器上執行如下命令。

   ---查orders中的資料。
   SELECT * FROM orders;
   
   ---查orders_pay中的資料。
   SELECT * FROM orders_pay;
   
   ---查product_catalog中的資料。
   SELECT * FROM product_catalog;

   

構建DWD層：即時主題寬表

構建DWD層用到了Hologres連接器特有的部分列更新能力，可以使用INSERT DML方便地表達部分列更新的語義。作業中需要對不同的維表進行查詢，是基於Hologres行存以及行列共存表提供的高效能的點查能力。同時，Hologres資源強隔離的架構，可以保證寫入、讀取、分析等作業之間互不干擾。

1. 通過Flink Catalog功能在Hologres中建DWD層的寬表dwd_orders。

   在Realtime Compute控制台SQL開發頁面的查詢指令碼頁簽，將如下代碼拷貝到查詢指令碼後，選中目標片段後單擊左側程式碼上的運行。

   -- 寬表欄位要nullable，因為不同的流寫入到同一張結果表，每一列都可能出現null的情況。
   CREATE TABLE dw.order_dw.dwd_orders (
     order_id bigint not null,
     order_user_id string,
     order_shop_id bigint,
     order_product_id bigint,
     order_product_catalog_name string,
     order_fee numeric(20,2),
     order_create_time timestamp,
     order_update_time timestamp,
     order_state int,
     pay_id bigint,
     pay_platform int comment 'platform 0: phone, 1: pc', 
     pay_create_time timestamp,
     PRIMARY KEY(order_id) NOT ENFORCED
   );
   
   -- 支援通過catalog修改Hologres物理表屬性。
   ALTER TABLE dw.order_dw.dwd_orders SET (
     'table_property.binlog.ttl' = '604800' --修改binlog的逾時時間為一周。
   );

2. 實現即時消費ODS層orders、orders_pay表的binlog。

   在Realtime Compute控制台上，建立名為DWD的SQL流作業，並將如下代碼拷貝到SQL編輯器後，部署並啟動作業。通過如下SQL作業，orders表會與product_catalog表進行維表關聯，將最終結果寫入dwd_orders表中，實現資料的即時打寬。

   BEGIN STATEMENT SET;
   
   INSERT INTO dw.order_dw.dwd_orders 
    (
      order_id,
      order_user_id,
      order_shop_id,
      order_product_id,
      order_fee,
      order_create_time,
      order_update_time,
      order_state,
      order_product_catalog_name
    ) SELECT o.*, dim.catalog_name 
      FROM dw.order_dw.orders as o
      LEFT JOIN dw.order_dw.product_catalog FOR SYSTEM_TIME AS OF proctime() AS dim
      ON o.product_id = dim.product_id;
   
   INSERT INTO dw.order_dw.dwd_orders 
     (pay_id, order_id, pay_platform, pay_create_time)
      SELECT * FROM dw.order_dw.orders_pay;
   
   END;

3. 查看寬表dwd_orders資料。

   在HoloWeb開發頁面串連Hologres執行個體並登入目標資料庫後，在SQL編輯器上執行如下命令。

   SELECT * FROM dwd_orders;

   

構建DWS層：即時指標計算

1. 通過Flink Catalog功能，在Hologres中建立dws層的彙總dws_users以及dws_shops。

   在Realtime Compute控制台SQL開發頁面的查詢指令碼頁簽，將如下代碼拷貝到查詢指令碼後，選中目標片段後單擊左側程式碼上的運行。

   -- 使用者維度彙總指標表。
   CREATE TABLE dw.order_dw.dws_users (
     user_id string not null,
     ds string not null,
     paied_buy_fee_sum numeric(20,2) not null comment '當日完成支付的總金額',
     primary key(user_id,ds) NOT ENFORCED
   );
   
   -- 商戶維度彙總指標表。
   CREATE TABLE dw.order_dw.dws_shops (
     shop_id bigint not null,
     ds string not null,
     paied_buy_fee_sum numeric(20,2) not null comment '當日完成支付總金額',
     primary key(shop_id,ds) NOT ENFORCED
   );

2. 即時消費DWD層的寬表dw.order_dw.dwd_orders，在Flink中做彙總計算，最終寫入Hologres中的DWS表。

   在Realtime Compute控制台上，建立名為DWS的SQL流作業，並將如下代碼拷貝到SQL編輯器後，部署並啟動作業。

   BEGIN STATEMENT SET;
   
   INSERT INTO dw.order_dw.dws_users
     SELECT 
       order_user_id,
       DATE_FORMAT (pay_create_time, 'yyyyMMdd') as ds,
       SUM (order_fee)
       FROM dw.order_dw.dwd_orders c
       WHERE pay_id IS NOT NULL AND order_fee IS NOT NULL -- 訂單流和支付流資料都已寫入寬表。
       GROUP BY order_user_id, DATE_FORMAT (pay_create_time, 'yyyyMMdd');
   
   INSERT INTO dw.order_dw.dws_shops
     SELECT 
       order_shop_id,
       DATE_FORMAT (pay_create_time, 'yyyyMMdd') as ds,
       SUM (order_fee)
      FROM dw.order_dw.dwd_orders c
      WHERE pay_id IS NOT NULL AND order_fee IS NOT NULL -- 訂單流和支付流資料都已寫入寬表。
      GROUP BY order_shop_id, DATE_FORMAT (pay_create_time, 'yyyyMMdd');
   END;

3. 查看DWS層的彙總結果，其結果會根據上遊資料的變更即時更新。

   在HoloWeb開發頁面串連Hologres執行個體並登入目標資料庫後，在SQL編輯器上執行如下命令。

   • 查詢dws_users表結果。

     SELECT * FROM dws_users;

     

   • 查詢dws_shops表結果。

     SELECT * FROM dws_shops;

     

資料探查

因為開啟了Binlog，所以可直接探查到資料的變化情況。如果對中間結果需要即席（Ad-hoc）性質的業務資料探查，或者對最終計算結果進行資料正確性排查，此方案的每一層資料都實現了持久化，可以便捷地探查中間過程。

• 流模式探查

  1. 建立並啟動資料探查流作業。

     在Realtime Compute控制台上，建立名為Data-exploration的SQL流作業，並將如下代碼拷貝到SQL編輯器後，部署並啟動作業。

     -- 流模式探查，列印到print可以看到資料的變化情況。
     CREATE TEMPORARY TABLE print_sink(
       order_id bigint not null,
       order_user_id string,
       order_shop_id bigint,
       order_product_id bigint,
       order_product_catalog_name string,
       order_fee numeric(20,2),
       order_create_time timestamp,
       order_update_time timestamp,
       order_state int,
       pay_id bigint,
       pay_platform int,
       pay_create_time timestamp,
       PRIMARY KEY(order_id) NOT ENFORCED
     ) WITH (
       'connector' = 'print'
     );
     
     INSERT INTO print_sink SELECT *
     FROM dw.order_dw.dwd_orders /*+ OPTIONS('startTime'='2023-02-15 12:00:00') */ --這裡的startTime是binlog產生的時間
     WHERE order_user_id = 'user_001';

  2. 查看資料探查結果。

     在作業營運詳情頁面，單擊目標作業名稱，在作業探查頁簽下左側作業記錄頁簽，單擊運行Task Managers頁簽下的Path, ID。在Stdout頁面搜尋user_001相關的日誌資訊。

     

• 批模式探查

  在Realtime Compute控制台上，建立SQL流作業，並將如下代碼拷貝到SQL編輯器後，單擊調試。詳情請參見作業調試。

  批模式探查是擷取當前時刻的終態資料，在Flink作業開發介面調試結果如下圖所示。

  SELECT *
  FROM dw.order_dw.dwd_orders /*+ OPTIONS('binlog'='false') */ 
  WHERE order_user_id = 'user_001' and order_create_time > '2023-02-15 12:00:00'; --批量模式支援filter下推，提升批作業執行效率。