Flink + ClickHouse,实现海量数据查询处理就是这么快!
作者:腾讯云流计算 Oceanus 团队
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。
创建流计算 Oceanus 集群
进入流计算 Oceanus 控制台 [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:创建流计算 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
# 安装客户端
rpm -ivh *.rpm
# 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
2.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 (
-- 指定数据库连接参数
'connector' = 'clickhouse',
'url' = 'clickhouse://10.0.0.178:8123',
-- 如果ClickHouse集群未配置账号密码可以不指定
--'username' = 'root',
--'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。
新版 Flink 1.13 集群不需要用户自己选择内置 Connector
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流计算 Oceanus 官方文档[5]。
参考链接
[1] Oceanus 控制台:https://console.cloud.tencent.com/oceanus/overview
[2] 创建独享集群:https://cloud.tencent.com/document/product/849/48298
[3] ClickHouse 控制台:https://console.cloud.tencent.com/cdwch?region=ap-guangzhou
[4] ClickHouse 快速入门:https://cloud.tencent.com/document/product/1299/49824
[5] Oceanus 窗口函数官方文档:https://cloud.tencent.com/document/product/849/18077