大数据实时项目(ads层)
第一章 ADS 聚合层
ads层,主要是根据各种报表及可视化来生成统计数据。通常这些报表及可视化都是基于某些维度的汇总统计。
1 需求
热门商品统计(作业)
热门品类统计(作业)
热门品牌统计
交易用户性别对比(作业)
交易用户年龄段对比(作业)
交易额省市分布(作业)
2 分析
以热门商品统计为例
统计表分为三个部分
时间点、 维度 、 度量
时间点:即统计结果产生的时间,或者本批次数据中业务日期最早的时间。
维度:统计维度,比如地区、商品名称、性别
度量:汇总的数据,比如金额、数量
每个批次进行一次聚合,根据数据的及时性要求,可以调整批次的时间长度。
聚合后的结果存放到数据库中。
3 数据库的选型与难点
聚合数据本身并不麻烦,利用reducebykey或者groupbykey都可以聚合。
但是麻烦的是实现精确性一次消费。
因为聚合数据不是明细,没有确定的主键,所以没有办法实现幂等。
那么如果想实现精确一次消费,就要考虑利用关系型数据库的事务处理。
用本地事务管理最大的问题是数据保存操作要放在driver端变成单线程操作。性能降低。 但是由于本业务保存的是聚合后的数据所以数据量并不大,即使单线程保存也是可以接受的。
因此数据库和偏移量选用mysql进行保存。
4 代码实现
4.1 工具类
pom.xml 增加
| <dependency> <groupId>org.scalikejdbcgroupId> <artifactId>scalikejdbc_2.11artifactId> <version>2.5.0version>dependency><dependency> <groupId>org.scalikejdbcgroupId> <artifactId>scalikejdbc-config_2.11artifactId> <version>2.5.0version>dependency><dependency><groupId>mysqlgroupId><artifactId>mysql-connector-javaartifactId><version>5.1.47version>dependency> |
MysqlUtil 用于查询Mysql数据库
| import java.sql.{Connection, DriverManager, ResultSet, ResultSetMetaData, Statement}import com.alibaba.fastjson.JSONObjectimport scala.collection.mutable.ListBufferobject MysqlUtil { def main(args: Array[String]): Unit = { val list: List[ JSONObject] = queryList("select * from offset_2020") println(list) } def queryList(sql:String):List[JSONObject]={ Class.forName("com.mysql.jdbc.Driver") val resultList: ListBuffer[JSONObject] = new ListBuffer[ JSONObject]() val conn: Connection = DriverManager.getConnection("jdbc:mysql://hadoop2:3306/gmall1122_rs?characterEncoding=utf-8&useSSL=false","root","123123") val stat: Statement = conn.createStatement println(sql) val rs: ResultSet = stat.executeQuery(sql ) val md: ResultSetMetaData = rs.getMetaData while ( rs.next ) { val rowData = new JSONObject(); for (i <-1 to md.getColumnCount ) { rowData.put(md.getColumnName(i), rs.getObject(i)) } resultList+=rowData } stat.close() conn.close() resultList.toList }} |
OffsetManagerM 用于查询Mysql数据库中的偏移量
| import java.utilimport com.alibaba.fastjson.JSONObjectimport org.apache.kafka.common.TopicPartitionimport redis.clients.jedis.Jedisobject OffsetManagerM { /** * 从Mysql中读取偏移量 * @param groupId * @param topic * @return */ def getOffset(groupId:String,topic:String):Map[TopicPartition,Long]={ var offsetMap=Map[TopicPartition,Long]() val jedisClient: Jedis = RedisUtil.getJedisClient val redisOffsetMap: util.Map[String, String] = jedisClient.hgetAll("offset:"+groupId+":"+topic) val offsetJsonObjList: List[JSONObject] = MysqlUtil.queryList("SELECT group_id ,topic,partition_id , topic_offset FROM offset_2020 where group_id='"+groupId+"' and topic='"+topic+"'") jedisClient.close() if(offsetJsonObjList!=null&&offsetJsonObjList.size==0){ null }else { val kafkaOffsetList: List[(TopicPartition, Long)] = offsetJsonObjList.map { offsetJsonObj => (new TopicPartition(offsetJsonObj.getString("topic"),offsetJsonObj.getIntValue("partition_id")), offsetJsonObj.getLongValue("topic_offset")) } kafkaOffsetList.toMap } } } |
4.2 数据库准备
| 创建专用保存数据结果的数据库 create database gmall1122_rs 用于保存偏移量 CREATE TABLE `offset_1122` ( `group_id` varchar(200) NOT NULL, `topic` varchar(200) NOT NULL, `partition_id` int(11) NOT NULL, `topic_offset` bigint(20) DEFAULT NULL, PRIMARY KEY (`group_id`,`topic`,`partition_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 用户保存商品聚合结果 CREATE TABLE `spu_order_final_detail_amount_stat` ( stat_time datetime ,spu_id varchar(20) ,spu_name varchar(200),amount decimal(16,2) , PRIMARY KEY (`stat_time`,`spu_id`,`spu_name`) )ENGINE=InnoDB DEFAULT CHARSET=utf8 |
4.3 实时计算代码
| import java.text.SimpleDateFormatimport java.util.Dateimport com.alibaba.fastjson.JSONimport com.atguigu.gmall1122.realtime.bean.OrderDetailWideimport com.atguigu.gmall1122.realtime.util.{MyKafkaUtil, OffsetManager, OffsetManagerM}import org.apache.kafka.clients.consumer.ConsumerRecordimport org.apache.kafka.common.TopicPartitionimport org.apache.spark.{SparkConf, rdd}import org.apache.spark.streaming.{Seconds, StreamingContext}import org.apache.spark.streaming.dstream.{DStream, InputDStream}import org.apache.spark.streaming.kafka010.{HasOffsetRanges, OffsetRange}import scalikejdbc.{DB, SQL}import scalikejdbc.config.DBsobject SpuAmountSumApp { def main(args: Array[String]): Unit = { val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("ads_spu_amount_sum_app") val ssc = new StreamingContext(sparkConf, Seconds(5)) val topic = "DWS_ORDER_DETAIL_WIDE"; val groupId = "ads_spu_amount_sum_group" / 偏移量处理/// val offset: Map[TopicPartition, Long] = OffsetManagerM.getOffset(groupId, topic) var inputDstream: InputDStream[ConsumerRecord[String, String]] = null // 判断如果从redis中读取当前最新偏移量 则用该偏移量加载kafka中的数据 否则直接用kafka读出默认最新的数据 if (offset != null && offset.size > 0) { inputDstream = MyKafkaUtil.getKafkaStream(topic, ssc, offset, groupId) } else { inputDstream = MyKafkaUtil.getKafkaStream(topic, ssc, groupId) } //取得偏移量步长 var offsetRanges: Array[OffsetRange] = null val inputGetOffsetDstream: DStream[ConsumerRecord[String, String]] = inputDstream.transform { rdd => offsetRanges = rdd.asInstanceOf[HasOffsetRanges].offsetRanges rdd } val orderDstreamDetailWideDstream: DStream[OrderDetailWide] = inputGetOffsetDstream.map { record => val jsonStr: String = record.value() val orderDetailWide: OrderDetailWide = JSON.parseObject(jsonStr, classOf[OrderDetailWide]) orderDetailWide } val orderWideWithSpuDstream: DStream[(String, Double)] = orderDstreamDetailWideDstream.map(orderWide=>(orderWide.spu_id+":"+orderWide.spu_name,orderWide.final_detail_amount)) val spuAmountDstream: DStream[(String, Double)] = orderWideWithSpuDstream.reduceByKey(_+_) spuAmountDstream.foreachRDD { rdd => val resultArr: Array[(String, Double)] = rdd.collect() if (resultArr != null && resultArr.size > 0) { DBs.setup() DB.localTx(implicit session => { val dateTime: String = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(new Date()) for ((spu, amount) <- resultArr) { val spuArr: Array[String] = spu.split(":") val spuId: String = spuArr(0) val spuName: String = spuArr(1) SQL("INSERT INTO spu_order_final_detail_amount_stat(stat_time,spu_id, spu_name, amount) VALUES (?,?,?,?)").bind(dateTime, spuId, spuName, amount).update().apply() } throw new RuntimeException("测试异常!!") for (offset <- offsetRanges) { //主键相同替换 主键不同新增 SQL("replace INTO offset_2020(group_id,topic, partition_id, topic_offset) VALUES (?,?,?,?)").bind(groupId, topic, offset.partition, offset.untilOffset).update().apply() } } ) } } ssc.start() ssc.awaitTermination() }} |
4.4 关于本地事务保存MySql
此处引用了一个 scala的MySQL工具:scalikeJdbc
配置文件: 默认使用 application.conf
| db.default.driver="com.mysql.jdbc.Driver"db.default.url="jdbc:mysql://hadoop2/gmall1122_rs?characterEncoding=utf-8&useSSL=false"db.default.user="root"db.default.password="123123" |
加载配置
| DBs.setup() |
本地事务提交数据
| DB.localTx(implicit session => { SQL("INSERT INTO spu_order_final_detail_amount_stat(stat_time,spu_id, spu_name, amount) VALUES (?,?,?,?)").bind(dateTime, spuId, spuName, amount).update().apply() SQL("replace INTO offset_2020(group_id,topic, partition_id, topic_offset) VALUES (?,?,?,?)").bind(groupId, topic, offset.partition, offset.untilOffset).update().apply() }) |
凡是在 DB.localTx(implicit session => { } )中的SQL全部被本地事务进行关联,一条失败全部回滚。
第二章 发布接口
发布接口的目的是为可视化工具提供数据服务。
发布接口的地址和参数都要根据可视化工具的要求进行设置。
后面的可视化工具选用了阿里云服务的DataV,由于DataV对地址没有要求(可以自行配置),只对返回数据格式有一定要求。最好可以提前了解一下数据格式的要求。
或者可以不考虑接口格式,先完成service的查询,然后再controller针对不同的格式要求在进行调整。
1 配置文件
pom.xml
| xml version="1.0" encoding="UTF-8"?> |
application.properties
| server.port=8070 logging.level.root=error spring.datasource.driver-class-name= com.mysql.jdbc.Driver spring.datasource.url= jdbc:mysql://hadoop2/gmall1122_rs?characterEncoding=utf-8&useSSL=false spring.datasource.data-username=rootspring.datasource.data-password=123123# mybatismybatis.mapperLocations=classpath:mapper/*.xmlmybatis.configuration.map-underscore-to-camel-case=true |
其中mybatis.mapperLocations的作用:能够让spring容器找到mapper.xml,用于和mapper接口进行配对。
5 代码部分
| 控制层 | PublisherController | 实现接口的web发布 |
| 服务层 | MySQLService | 数据业务查询interface |
| MySQLServiceImpl | 业务查询的实现类 | |
| 数据层 | TrademarkAmountSumMapper | 数据层查询的interface |
| TrademarkAmountSum.xml | 数据层查询的实现配置,实质上是Mapper接口的“实现类”。 | |
| 主程序 | GmallPublisherApplication | 增加扫描包 |
5.1 GmallPublisherApplication 增加扫描包
作用:能够让spring容器找到mapper接口用于和mapper.xml进行配对
| @SpringBootApplication@MapperScan(basePackages = "com.atguigu.gmallXXXXXXX.publisher.mapper")public class Gmall2019PublisherApplication{ public static void main(String[] args) { SpringApplication.run(Gmall2019PublisherApplication.class, args); }} |
5.2 controller层
| package com.atguigu.gmall1122.publisher.controller;import com.alibaba.fastjson.JSON;import com.atguigu.gmall1122.publisher.service.MysqlService;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.RequestParam;import org.springframework.web.bind.annotation.RestController;import java.util.List;import java.util.Map;@RestControllerpublic class DataVController { //路径和参数随便定 ,但是返回值要看datav的需要 @Autowired MysqlService mysqlService; @GetMapping("trademark-sum") public String trademarkSum(@RequestParam("start_date") String startDate, @RequestParam("end_date") String endDate){ if(startDate.length()==0|| endDate.length()==0){ return "参数不能为空!"; } startDate = startDate.replace("_", " "); endDate = endDate.replace("_", " "); List |
5.3 service层
| public interface MysqlService { public List |
5.4 service层实现类
| @Servicepublic class MysqlServiceImpl implements MysqlService { @Autowired TrademarkAmountSumMapper trademarkAmountSumMapper; @Override public List |
5.5 数据层 mapper
| public interface TrademarkAmountSumMapper { public List |
5.6 数据层 实现配置
| xml version="1.0" encoding="UTF-8"?>> |
第三章 可视化
1 DataV
阿里云网址: https://datav.aliyun.com/
官方帮助手册: https://help.aliyun.com/document_detail/30360.html
阿里云有两大数据可视化服务,一个是QuickBI,一个就是DataV。
QuickBI定位BI工具定位由数据分析师使用,通过灵活配置各种多维分析、深度钻取,生成各种报表和可交互的图形化展示。
而DataV ,倾向于定制数据大屏,针对运营团队使用的信息丰富炫酷的监控型可视化工具。
2 数据源
DataV的数据源主要是两方面,阿里云数据服务体系内的数据源和外部数据源。
阿里云数据服务体系内的数据源,类型非常多,包括RDS服务,ADS服务,TableStore服务等等。
本文只介绍基于外部数据源的配置方式。 外部数据源就是要发布出可以外网访问的地址,每一个可视化组件都要对应一个访问地址。
3 配置步骤
3.1 首先来到首页,在我的可视化标签中,选择【新建可视化】
2 选择合适的大屏模板
3 选中你要配置的组件
4 选择左侧中间的标签页
5 观察左侧下方的静态数据,实现对应的接口程序
6 根据数据结构调整web接口的响应数据
| @GetMapping("trademark-sum")public String trademarkSum(@RequestParam("start_date") String startDate, @RequestParam("end_date") String endDate){ if(startDate.length()==0|| endDate.length()==0){ return "参数不能为空!"; } startDate = startDate.replace("_", " "); endDate = endDate.replace("_", " "); List |
7 配置组件的数据源
点击【配置数据源】
数据源的页面选择API
选择API后,填写URL,数据接口访问路径
(实现个人电脑发布服务需要内网穿透,请参考第二章)
调整自动更新速度
下方能看到数据发生变化
可视化效果
第四章 内网穿透
1 作用
通常个人电脑无论是连接WIFI上网还是用网线上网,都是属于局域网里边的,外网无法直接访问到你的电脑,内网穿透可以让你的局域网中的电脑实现被外网访问功能。
2 工具
目前国内网穿透工具很多,常见的比如花生壳、Ngrok。
官网:
花生壳:https://hsk.oray.com
Ngrok: http://www.ngrok.cc
本文以介绍花生壳为主
3 准备工作
首先注册、登录
并且需要实名认证(要提供身份证正反面照片)
4 下载安装电脑客户端
5 在客户端进行配置
在登录后的界面
在右下角点击加号
6 进行内网穿透的核心配置
7 发布
保存后就可以用下方图中箭头处使用开关来确认发布。
发布地址就如图中网址
8 测试:
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场,不承担相关法律责任。如若转载,请注明出处。 如若内容造成侵权/违法违规/事实不符,请点击【内容举报】进行投诉反馈!
