10.Flink实时项目之订单维度表关联 _项目

知识的价值不在于占有，而在于使用。这篇文章主要讲述10.Flink实时项目之订单维度表关联相关的知识，希望能为你提供帮助。
1. 维度查询在上一篇中，我们已经把订单和订单明细表join完，本文将关联订单的其他维度数据，维度关联实际上就是在流中查询存储在 hbase 中的数据表。但是即使通过主键的方式查询，hbase 速度的查询也是不及流之间的 join。外部数据源的查询常常是流式计算的性能瓶颈，所以我们在查询hbase维度数据的基础上做一些优化及封装。
phoenix查询封装
phoenix作为hbase的一个上层sql封装，或者叫做皮肤，可以使用标准的sql语法来使用hbase，我们做一些简单的查询hbase的工具类。

import cn.hutool.core.bean.BeanUtil; import com.alibaba.fastjson.JSONObject; import com.zhangbao.gmall.realtime.common.GmallConfig; import org.apache.commons.beanutils.BeanUtils; import java.io.PrintStream; import java.sql.*; import java.util.ArrayList; import java.util.List; /** * @author zhangbaohpu * @date 2021/11/13 21:26 * @desc phoenix 工具类，操作hbase数据 */ public class PhoenixUtil private static Connection conn = null; public static void init() try Class.forName(GmallConfig.PHOENIX_DRIVER); conn = DriverManager.getConnection(GmallConfig.PHOENIX_SERVER); conn.setSchema(GmallConfig.HBASE_SCHEMA); catch (Exception e) e.printStackTrace(); throw new RuntimeException("连接phoenix失败 -> " + e.getMessage()); public static < T> List< T> getList(String sql, Class< T> clazz) if(conn == null) init(); PreparedStatement ps = null; ResultSet rs = null; List< T> resultList = new ArrayList< > (); try //获取数据库对象 ps = conn.prepareStatement(sql); //执行sql语句 rs = ps.executeQuery(); //获取元数据 ResultSetMetaData metaData = https://www.songbingjia.com/android/rs.getMetaData(); while (rs.next()) //创建对象 T rowObj = clazz.newInstance(); //动态给对象赋值 for (int i = 1; i < = metaData.getColumnCount(); i++) BeanUtils.setProperty(rowObj,metaData.getColumnName(i),rs.getObject(i)); resultList.add(rowObj); catch (Exception e) throw new RuntimeException("phoenix 查询失败 -> " + e.getMessage()); finally if(rs!=null) try rs.close(); catch (SQLException throwables) throwables.printStackTrace(); if(ps!=null) try ps.close(); catch (SQLException throwables) throwables.printStackTrace(); if(conn!=null) try conn.close(); catch (SQLException throwables) throwables.printStackTrace(); return resultList; public static void main(String[] args) String sql = "select * from GMALL_REALTIME.BASE_TRADEMARK"; System.out.println(getList(sql,JSONObject.class));

有了对hbase的查询，我们再对维度数据的查询做一个封装，根据某个表的id查询维度数据。

import com.alibaba.fastjson.JSONObject; import org.apache.flink.api.java.tuple.Tuple2; import java.util.List; /** * @author zhangbaohpu * @date 2021/11/13 22:24 * @desc 维度查询封装，底层调用PhoenixUtil */ public class DimUtil //直接从 Phoenix 查询，没有缓存 public static JSONObject getDimInfoNoCache(String tableName, Tuple2< String, String> ... colNameAndValue) //组合查询条件 String wheresql = new String(" where "); for (int i = 0; i < colNameAndValue.length; i++) //获取查询列名以及对应的值 Tuple2< String, String> nameValueTuple = colNameAndValue[i]; String fieldName = nameValueTuple.f0; String fieldValue = https://www.songbingjia.com/android/nameValueTuple.f1; if (i > 0) wheresql +=" and "; wheresql += fieldName + "=" + fieldValue + ""; //组合查询 SQL String sql = "select * from " + tableName + wheresql; System.out.println("查询维度 SQL:" + sql); JSONObject dimInfoJsonObj = null; List< JSONObject> dimList = PhoenixUtil.getList(sql, JSONObject.class); if (dimList != null & & dimList.size() > 0) //因为关联维度，肯定都是根据 key 关联得到一条记录 dimInfoJsonObj = dimList.get(0); else System.out.println("维度数据未找到:" + sql); return dimInfoJsonObj; public static void main(String[] args) JSONObject dimInfooNoCache = DimUtil.getDimInfoNoCache("base_trademark", Tuple2.of("id", "13")); System.out.println(dimInfooNoCache);

2. 优化1：加入旁路缓存模式我们在上面实现的功能中，直接查询的 Hbase。外部数据源的查询常常是流式计算的性能瓶颈，所以我们需要在上面实现的基础上进行一定的优化。我们这里使用旁路缓存。
旁路缓存模式是一种非常常见的按需分配缓存的模式。如下图，任何请求优先访问缓存，缓存命中，直接获得数据返回请求。如果未命中则，查询数据库，同时把结果写入缓存以备后续请求使用。

文章图片

1) 这种缓存策略有几个注意点
缓存要设过期时间，不然冷数据会常驻缓存浪费资源。
要考虑维度数据是否会发生变化，如果发生变化要主动清除缓存。
【10.Flink实时项目之订单维度表关联】2) 缓存的选型
一般两种：堆缓存或者独立缓存服务(redis，memcache)，
堆缓存，从性能角度看更好，毕竟访问数据路径更短，减少过程消耗。但是管理性差，其他进程无法维护缓存中的数据。
独立缓存服务（redis,memcache）本身性能也不错，不过会有创建连接、网络 IO 等消耗。但是考虑到数据如果会发生变化，那还是独立缓存服务管理性更强，而且如果数据量特别大，独立缓存更容易扩展。
因为咱们的维度数据都是可变数据，所以这里还是采用 Redis 管理缓存。
代码优化

import com.alibaba.fastjson.JSON; import com.alibaba.fastjson.JSONObject; import org.apache.flink.api.java.tuple.Tuple2; import redis.clients.jedis.Jedis; import java.util.List; /** * @author zhangbaohpu * @date 2021/11/13 22:24 * @desc 维度查询封装，底层调用PhoenixUtil */ public class DimUtil /** * 查询优化 * redis缓存 *类型stringlist set zset hash * 这里使用key格式： *key dim:table_name:value示例：dim:base_trademark:13 *valuejson字符串 *过期时间：24*3600 */public static JSONObject getDimInfo(String tableName, Tuple2< String, String> ... colNameAndValue) //组合查询条件 String wheresql = new String(" where "); //redis key String redisKey = "dim:"+tableName+":"; for (int i = 0; i < colNameAndValue.length; i++) //获取查询列名以及对应的值 Tuple2< String, String> nameValueTuple = colNameAndValue[i]; String fieldName = nameValueTuple.f0; String fieldValue = https://www.songbingjia.com/android/nameValueTuple.f1; if (i > 0) wheresql +=" and "; redisKey += "_"; wheresql += fieldName + "=" + fieldValue + ""; redisKey += fieldValue; Jedis jedis = null; String redisStr = null; JSONObject dimInfoJsonObj = null; try jedis = RedisUtil.getJedis(); redisStr = jedis.get(redisKey); dimInfoJsonObj = null; catch (Exception e) e.printStackTrace(); System.out.println("获取redis数据错误"); if(redisStr!=null & & redisStr.length()> 0) dimInfoJsonObj = JSON.parseObject(redisStr); else //从phoenix中去数据 //组合查询 SQL String sql = "select * from " + tableName + wheresql; System.out.println("查询维度 SQL:" + sql); List< JSONObject> dimList = PhoenixUtil.getList(sql, JSONObject.class); if (dimList != null & & dimList.size() > 0) //因为关联维度，肯定都是根据 key 关联得到一条记录 dimInfoJsonObj = dimList.get(0); if(jedis!=null) jedis.setex(redisKey,3600*24,dimInfoJsonObj.toString()); else System.out.println("维度数据未找到:" + sql); //关闭jedis if(jedis!=null) jedis.close(); return dimInfoJsonObj; public static JSONObject getDimInfoNoCacheById(String tableName, String idValue) return getDimInfoNoCache(tableName,new Tuple2< > ("id",idValue)); //直接从 Phoenix 查询，没有缓存 public static JSONObject getDimInfoNoCache(String tableName, Tuple2< String, String> ... colNameAndValue) //组合查询条件 String wheresql = new String(" where "); for (int i = 0; i < colNameAndValue.length; i++) //获取查询列名以及对应的值 Tuple2< String, String> nameValueTuple = colNameAndValue[i]; String fieldName = nameValueTuple.f0; String fieldValue = https://www.songbingjia.com/android/nameValueTuple.f1; if (i > 0) wheresql +=" and "; wheresql += fieldName + "=" + fieldValue + ""; //组合查询 SQL String sql = "select * from " + tableName + wheresql; System.out.println("查询维度 SQL:" + sql); JSONObject dimInfoJsonObj = null; List< JSONObject> dimList = PhoenixUtil.getList(sql, JSONObject.class); if (dimList != null & & dimList.size() > 0) //因为关联维度，肯定都是根据 key 关联得到一条记录 dimInfoJsonObj = dimList.get(0); else System.out.println("维度数据未找到:" + sql); return dimInfoJsonObj; public static void main(String[] args) JSONObject dimInfooNoCache = DimUtil.getDimInfoNoCache("base_trademark", Tuple2.of("id", "13")); System.out.println(dimInfooNoCache);

缓存依赖于redisUtil.java工具类

import redis.clients.jedis.*; /** * @author zhangbaohpu * @date 2021/11/13 23:31 * @desc */ public class RedisUtil public static JedisPool jedisPool=null; public static Jedis getJedis() if(jedisPool==null) JedisPoolConfig jedisPoolConfig =new JedisPoolConfig(); jedisPoolConfig.setMaxTotal(100); //最大可用连接数 jedisPoolConfig.setBlockWhenExhausted(true); //连接耗尽是否等待 jedisPoolConfig.setMaxWaitMillis(2000); //等待时间 jedisPoolConfig.setMaxIdle(5); //最大闲置连接数 jedisPoolConfig.setMinIdle(5); //最小闲置连接数 jedisPoolConfig.setTestOnBorrow(true); //取连接的时候进行一下测试 ping pong jedisPool=new JedisPool( jedisPoolConfig, "hadoop101",6379 ,1000); System.out.println("开辟连接池"); return jedisPool.getResource(); else System.out.println(" 连接池:"+jedisPool.getNumActive()); return jedisPool.getResource(); public static void main(String[] args) Jedis jedis = getJedis(); System.out.println(jedis.ping());

维度数据发生变化
如果维度数据发生了变化，这时缓存的数据就不是最新的了，所以这里优化将发生变化的维度数据，在缓存中清除。
在DimUtil.java加入清除缓存方法

//根据 key 让 Redis 中的缓存失效 public static void deleteCached( String tableName, String id) String key = "dim:" + tableName.toLowerCase() + ":" + id; try Jedis jedis = RedisUtil.getJedis(); // 通过 key 清除缓存 jedis.del(key); jedis.close(); catch (Exception e) System.out.println("缓存异常！"); e.printStackTrace();

另外一个，在实时同步mysql数据BaseDbTask任务中，将维度数据通过DimSink.java放入hbase，在invoke方法中添加清除缓存操作

@Override public void invoke(JSONObject jsonObject, Context context) throws Exception String sinkTable = jsonObject.getString("sink_table"); JSONObject data = https://www.songbingjia.com/android/jsonObject.getJSONObject("data"); PreparedStatement ps = null; if(data!=null & & data.size()> 0) try //生成phoenix的upsert语句，这个包含insert和update操作 String sql = generateUpsert(data,sinkTable.toUpperCase()); log.info("开始执行 phoenix sql --> ",sql); ps = conn.prepareStatement(sql); ps.executeUpdate(); conn.commit(); log.info("执行 phoenix sql 成功"); catch (SQLException throwables) throwables.printStackTrace(); throw new RuntimeException("执行 phoenix sql 失败！"); finally if(ps!=null) ps.close(); //如果是更新维度数据，则把redis数据清空 if(jsonObject.getString("type").endsWith("update")) DimUtil.deleteCached(sinkTable,data.getString("id"));

3. 优化2：异步查询在 Flink 流处理过程中，经常需要和外部系统进行交互，用维度表补全事实表中的字段。例如：在电商场景中，需要一个商品的 skuid 去关联商品的一些属性，例如商品所属行业、商品的生产厂家、生产厂家的一些情况；在物流场景中，知道包裹 id，需要去关联包裹的行业属性、发货信息、收货信息等等。
默认情况下，在 Flink 的 MapFunction 中，单个并行只能用同步方式去交互: 将请求发送到外部存储，IO 阻塞，等待请求返回，然后继续发送下一个请求。这种同步交互的方式往往在网络等待上就耗费了大量时间。为了提高处理效率，可以增加 MapFunction 的并行度，但增加并行度就意味着更多的资源，并不是一种非常好的解决方式。
Flink 在 1.2 中引入了 Async I/O，在异步模式下，将 IO 操作异步化，单个并行可以连续发送多个请求，哪个请求先返回就先处理，从而在连续的请求间不需要阻塞式等待，大大提高了流处理效率。
Async I/O 是阿里巴巴贡献给社区的一个呼声非常高的特性，解决与外部系统交互时网络延迟成为了系统瓶颈的问题。

文章图片

异步查询实际上是把维表的查询操作托管给单独的线程池完成，这样不会因为某一个查询造成阻塞，单个并行可以连续发送多个请求，提高并发效率。
这种方式特别针对涉及网络 IO 的操作，减少因为请求等待带来的消耗。
flink异步查询官方文档：
https://nightlies.apache.org/flink/flink-docs-release-1.14/zh/docs/dev/datastream/operators/asyncio/#%e5%bc%82%e6%ad%a5-io-api
3.1 封装线程池工具

import java.util.concurrent.LinkedBlockingDeque; import java.util.concurrent.ThreadPoolExecutor; import java.util.concurrent.TimeUnit; /** * @author zhangbaohpu * @date 2021/11/28 12:18 * @desc 线程池工具类 * */ public class ThreadPoolUtil private static ThreadPoolExecutor poolExecutor; /** * 获取单例的线程池对象 *corePoolSize:指定了线程池中的线程数量，它的数量决定了添加的任务是开辟新的线程去执行，还是放到 workQueue任务队列中去； *maximumPoolSize:指定了线程池中的最大线程数量，这个参数会根据你使用的 workQueue 任务队列的类型，决定线程池会开辟的最大线程数量； *keepAliveTime:当线程池中空闲线程数量超过 corePoolSize 时，多余的线程会在多长时间内被销毁； *unit:keepAliveTime 的单位 *workQueue:任务队列，被添加到线程池中，但尚未被执行的任务 * @return */ public static ThreadPoolExecutor getPoolExecutor() if (poolExecutor == null) synchronized (ThreadPoolUtil.class) if (poolExecutor == null) poolExecutor = new ThreadPoolExecutor( 4,20,300, TimeUnit.SECONDS,new LinkedBlockingDeque< > (Integer.MAX_VALUE) ); return poolExecutor;

3.2 自定义维度接口
这个异步维表查询的方法适用于各种维表的查询，用什么条件查，查出来的结果如何合并到数据流对象中，需要使用者自己定义。
这就是自己定义了一个接口 DimJoinFunction< T> 包括两个方法。

import com.alibaba.fastjson.JSONObject; /** * @author zhangbaohpu * @date 2021/11/28 12:34 * @desc维度关联接口 */ public interface DimJoinFunction< T> //根据流中获取主键 String getKey(T obj); //维度关联 void join(T stream, JSONObject dimInfo);

3.3 封装维度异步查询类
新建包func下创建DimAsyncFunction.java，该类继承异步方法类 RichAsyncFunction，实现自定义维度查询接口，其中 RichAsyncFunction< IN,OUT> 是 Flink 提供的异步方法类，此处因为是查询操作输入类和返回类一致，所以是< T,T> 。
RichAsyncFunction 这个类要实现两个方法:

open 用于初始化异步连接池。
asyncInvoke 方法是核心方法，里面的操作必须是异步的，如果你查询的数据库有异步api 也可以用线程的异步方法，如果没有异步方法，就要自己利用线程池等方式实现异步查询。

import com.alibaba.fastjson.JSONObject; import com.google.common.collect.Lists; import com.zhangbao.gmall.realtime.utils.DimUtil; import com.zhangbao.gmall.realtime.utils.ThreadPoolUtil; import org.apache.flink.configuration.Configuration; import org.apache.flink.streaming.api.functions.async.ResultFuture; import org.apache.flink.streaming.api.functions.async.RichAsyncFunction; import java.util.Arrays; import java.util.concurrent.ExecutorService; /** * @author zhangbaohpu * @date 2021/11/28 12:24 * @desc 通用的维度关联查询接口 * 模板方法设计模式 *在父类中只定义方法的声明 *具体实现由子类完成 */ public abstract class DimAsyncFunction< T> extends RichAsyncFunction< T,T> implements DimJoinFunction< T> private String tableName; private static ExecutorService executorPool; public DimAsyncFunction(String tableName) this.tableName = tableName; @Override public void open(Configuration parameters) throws Exception //初始化线程池 executorPool = ThreadPoolUtil.getPoolExecutor(); @Override public void asyncInvoke(T obj, ResultFuture< T> resultFuture) throws Exception executorPool.submit(new Runnable() @Override public void run() try long start = System.currentTimeMillis(); String key = getKey(obj); //获取维度信息 JSONObject dimInfoJsonObj = DimUtil.getDimInfo(tableName, key); //关联维度 if (dimInfoJsonObj != null) join(obj,dimInfoJsonObj); long end = System.currentTimeMillis(); System.out.println("关联维度数据，耗时："+(end - start)+" 毫秒。"); resultFuture.complete(Arrays.asList(obj)); catch (Exception e) e.printStackTrace(); throw new RuntimeException(tableName+"维度查询失败"); );

3.4 添加到主任务
将维度数据加入到订单宽表任务中，在订单宽表任务中OrderWideApp.java，完成对订单明细的双流join后，将用户维度数据关联到订单宽表中。

/** * 关联用户维度数据 * flink异步查询 * https://nightlies.apache.org/flink/flink-docs-release-1.14/zh/docs/dev/datastream/operators/asyncio/#%e5%bc%82%e6%ad%a5-io-api */ SingleOutputStreamOperator< OrderWide> orderWideWithUserDs = AsyncDataStream.unorderedWait(orderWideDs, new DimAsyncFunction< OrderWide> ("DIM_USER_INFO") @Override public String getKey(OrderWide obj) return obj.getOrder_id().toString(); @Override public void join(OrderWide orderWide, JSONObject dimInfo) Date birthday = dimInfo.getDate("BIRTHDAY"); Long age = DateUtil.betweenYear(birthday, new Date(), false); orderWide.setUser_age(age.intValue()); orderWide.setUser_gender(dimInfo.getString("GENDER")); , 60, TimeUnit.SECONDS); orderWideWithUserDs.print("order wide with users > > > ");

3.5 测试
开启的服务：zk，kf，redis，hdfs，hbase，maxwell，BaseDbTask.java
注：要清除的数据

mysql配置表，之前手动加的配置表删除，通过脚本执行要同步的表

/*Data for the table `table_process` */ INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (activity_info, insert, hbase, dim_activity_info, id,activity_name,activity_type,activity_desc,start_time,end_time,create_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (activity_info, update, hbase, dim_activity_info, id,activity_name,activity_type,activity_desc,start_time,end_time,create_time, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (activity_rule, insert, hbase, dim_activity_rule, id,activity_id,activity_type,condition_amount,condition_num,benefit_amount,benefit_discount,benefit_level, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (activity_rule, update, hbase, dim_activity_rule, id,activity_id,activity_type,condition_amount,condition_num,benefit_amount,benefit_discount,benefit_level, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (activity_sku, insert, hbase, dim_activity_sku, id,activity_id,sku_id,create_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (activity_sku, update, hbase, dim_activity_sku, id,activity_id,sku_id,create_time, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_category1, insert, hbase, dim_base_category1, id,name, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_category1, update, hbase, dim_base_category1, id,name, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_category2, insert, hbase, dim_base_category2, id,name,category1_id, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_category2, update, hbase, dim_base_category2, id,name,category1_id, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_category3, insert, hbase, dim_base_category3, id,name,category2_id, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_category3, update, hbase, dim_base_category3, id,name,category2_id, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_dic, insert, hbase, dim_base_dic, id,dic_name,parent_code,create_time,operate_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_dic, update, hbase, dim_base_dic, id,dic_name,parent_code,create_time,operate_time, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_province, insert, hbase, dim_base_province, id,name,region_id,area_code,iso_code,iso_3166_2, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_province, update, hbase, dim_base_province, id,name,region_id,area_code,iso_code,iso_3166_2, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_region, insert, hbase, dim_base_region, id,region_name, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_region, update, hbase, dim_base_region, id,region_name, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_trademark, insert, hbase, dim_base_trademark, id,tm_name, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (base_trademark, update, hbase, dim_base_trademark, id,tm_name, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (cart_info, insert, kafka, dwd_cart_info, id,user_id,sku_id,cart_price,sku_num,img_url,sku_name,is_checked,create_time,operate_time,is_ordered,order_time,source_type,source_id, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (comment_info, insert, kafka, dwd_comment_info, id,user_id,nick_name,head_img,sku_id,spu_id,order_id,appraise,comment_txt,create_time,operate_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (coupon_info, insert, hbase, dim_coupon_info, id,coupon_name,coupon_type,condition_amount,condition_num,activity_id,benefit_amount,benefit_discount,create_time,range_type,limit_num,taken_count,start_time,end_time,operate_time,expire_time,range_desc, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (coupon_info, update, hbase, dim_coupon_info, id,coupon_name,coupon_type,condition_amount,condition_num,activity_id,benefit_amount,benefit_discount,create_time,range_type,limit_num,taken_count,start_time,end_time,operate_time,expire_time,range_desc, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (coupon_range, insert, hbase, dim_coupon_range, id,coupon_id,range_type,range_id, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (coupon_range, update, hbase, dim_coupon_range, id,coupon_id,range_type,range_id, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (coupon_use, insert, kafka, dwd_coupon_use, id,coupon_id,user_id,order_id,coupon_status,get_type,get_time,using_time,used_time,expire_time, id,SALT_BUCKETS = 3); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (coupon_use, update, kafka, dwd_coupon_use, id,coupon_id,user_id,order_id,coupon_status,get_type,get_time,using_time,used_time,expire_time, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (favor_info, insert, kafka, dwd_favor_info, id,user_id,sku_id,spu_id,is_cancel,create_time,cancel_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (financial_sku_cost, insert, hbase, dim_financial_sku_cost, id,sku_id,sku_name,busi_date,is_lastest,sku_cost,create_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (financial_sku_cost, update, hbase, dim_financial_sku_cost, id,sku_id,sku_name,busi_date,is_lastest,sku_cost,create_time, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (order_detail, insert, kafka, dwd_order_detail, id,order_id,sku_id,sku_name,order_price,sku_num,create_time,source_type,source_id,split_activity_amount,split_coupon_amount,split_total_amount, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (order_detail_activity, insert, kafka, dwd_order_detail_activity, id,order_id,order_detail_id,activity_id,activity_rule_id,sku_id,create_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (order_detail_coupon, insert, kafka, dwd_order_detail_coupon, id,order_id,order_detail_id,coupon_id,coupon_use_id,sku_id,create_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (order_info, insert, kafka, dwd_order_info, id,consignee,consignee_tel,total_amount,order_status,user_id,payment_way,delivery_address,order_comment,out_trade_no,trade_body,create_time,operate_time,expire_time,process_status,tracking_no,parent_order_id,img_url,province_id,activity_reduce_amount,coupon_reduce_amount,original_total_amount,feight_fee,feight_fee_reduce,refundable_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (order_info, update, kafka, dwd_order_info_update, id,consignee,consignee_tel,total_amount,order_status,user_id,payment_way,delivery_address,order_comment,out_trade_no,trade_body,create_time,operate_time,expire_time,process_status,tracking_no,parent_order_id,img_url,province_id,activity_reduce_amount,coupon_reduce_amount,original_total_amount,feight_fee,feight_fee_reduce,refundable_time, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (order_refund_info, insert, kafka, dwd_order_refund_info, id,user_id,order_id,sku_id,refund_type,refund_num,refund_amount,refund_reason_type,refund_reason_txt,refund_status,create_time, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (payment_info, insert, kafka, dwd_payment_info, id,out_trade_no,order_id,user_id,payment_type,trade_no,total_amount,subject,payment_status,create_time,callback_time,callback_content, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (payment_info, update, kafka, dwd_payment_info, id,out_trade_no,order_id,user_id,payment_type,trade_no,total_amount,subject,payment_status,create_time,callback_time,callback_content, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (refund_payment, insert, kafka, dwd_refund_payment, id,out_trade_no,order_id,sku_id,payment_type,trade_no,total_amount,subject,refund_status,create_time,callback_time,callback_content, id, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (refund_payment, update, kafka, dwd_refund_payment, id,out_trade_no,order_id,sku_id,payment_type,trade_no,total_amount,subject,refund_status,create_time,callback_time,callback_content, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (sku_info, insert, hbase, dim_sku_info, id,spu_id,price,sku_name,sku_desc,weight,tm_id,category3_id,sku_default_img,is_sale,create_time, id,SALT_BUCKETS = 4); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (sku_info, update, hbase, dim_sku_info, id,spu_id,price,sku_name,sku_desc,weight,tm_id,category3_id,sku_default_img,is_sale,create_time, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (spu_info, insert, hbase, dim_spu_info, id,spu_name,description,category3_id,tm_id, id,SALT_BUCKETS = 3); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (spu_info, update, hbase, dim_spu_info, id,spu_name,description,category3_id,tm_id, NULL, NULL); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (user_info, insert, hbase, dim_user_info, id,login_name,name,user_level,birthday,gender,create_time,operate_time, id,SALT_BUCKETS = 3); INSERT INTO `table_process`(`source_table`, `operate_type`, `sink_type`, `sink_table`, `sink_columns`, `sink_pk`, `sink_extend`) VALUES (user_info, update, hbase, dim_user_info, id,login_name,name,user_level,birthday,gender,create_time,operate_time, NULL, NULL);
hbase数据清除，重新建立维度表
!tables：查看所有表
drop table GMALL_REALTIME.BASE_TRADEMARK;：删除表
初始化维度数据
将用户表的历史全量同步到hbase中，通过Maxwell的Bootstrap完成，Maxwell安装及使用可查看之前的文章。

bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table user_info --client_id maxwell_1
启动模拟生成业务数据jar

经过测试，可以看到订单宽表中用户信息的年龄及性别分别都有值。
4. 其他维度关联 4.1 关联省份维度关联省份维度和关联用户维度处理逻辑一样，这里就要以关联用户维度后的结果流为基础，再去关联省份
需要做的要先把省份的维度数据全同步到hbase，还是通过Maxwell完成

bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table base_province --client_id maxwell_1

/** * 关联省份维度 * 以上一个流为基础，关联省份数据 */ SingleOutputStreamOperator< OrderWide> orderWideWithProvinceDs = AsyncDataStream.unorderedWait(orderWideWithUserDs, new DimAsyncFunction< OrderWide> ("DIM_BASE_PROVINCE") @Override public String getKey(OrderWide orderWide) return orderWide.getProvince_id().toString(); @Override public void join(OrderWide orderWide, JSONObject dimInfo) orderWide.setProvince_name(dimInfo.getString("NAME")); orderWide.setProvince_iso_code(dimInfo.getString("ISO_CODE")); orderWide.setProvince_area_code(dimInfo.getString("AREA_CODE")); orderWide.setProvince_3166_2_code(dimInfo.getString("ISO_3166_2")); , 60, TimeUnit.SECONDS); orderWideWithProvinceDs.print("order wide with province> > > ");

4.2 关联sku维度初始化sku维度数据

bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table sku_info --client_id maxwell_1

/** * 关联sku数据 */ SingleOutputStreamOperator< OrderWide> orderWideWithSkuDs = AsyncDataStream.unorderedWait(orderWideWithProvinceDs, new DimAsyncFunction< OrderWide> ("DIM_SKU_INFO") @Override public String getKey(OrderWide orderWide) return orderWide.getSku_id().toString(); @Override public void join(OrderWide orderWide, JSONObject dimInfo) orderWide.setSku_name(dimInfo.getString("SKU_NAME")); orderWide.setSpu_id(dimInfo.getLong("SPU_ID")); orderWide.setCategory3_id(dimInfo.getLong("CATEGORY3_ID")); orderWide.setTm_id(dimInfo.getLong("TM_ID")); , 60, TimeUnit.SECONDS);

4.3 关联spu维度初始化spu维度数据

bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table spu_info --client_id maxwell_1

/** * 关联spu数据 */ SingleOutputStreamOperator< OrderWide> orderWideWithSpuDs = AsyncDataStream.unorderedWait(orderWideWithSkuDs, new DimAsyncFunction< OrderWide> ("DIM_SPU_INFO") @Override public String getKey(OrderWide orderWide) return orderWide.getSpu_id().toString(); @Override public void join(OrderWide orderWide, JSONObject dimInfo) orderWide.setSpu_name(dimInfo.getString("SPU_NAME")); , 60, TimeUnit.SECONDS);

4.4 关联品类维度初始化品类维度数据

bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table base_category3 --client_id maxwell_1

/** * 关联品类数据 */SingleOutputStreamOperator< OrderWide> orderWideWithCategoryDs = AsyncDataStream.unorderedWait(orderWideWithSpuDs, new DimAsyncFunction< OrderWide> ("DIM_BASE_CATEGORY3") @Override public String getKey(OrderWide orderWide) return orderWide.getCategory3_id().toString(); @Override public void join(OrderWide orderWide, JSONObject dimInfo) orderWide.setCategory3_name(dimInfo.getString("NAME")); , 60, TimeUnit.SECONDS);

4.5 关联品牌维度初始化品牌维度数据

bin/maxwell-bootstrap --user maxwell --password 123456 --host hadoop101 --database gmall2021 --table base_trademark --client_id maxwell_1

/** * 关联品牌数据 */SingleOutputStreamOperator< OrderWide> orderWideWithTmDs = AsyncDataStream.unorderedWait(orderWideWithCategoryDs, new DimAsyncFunction< OrderWide> ("DIM_BASE_TRADEMARK") @Override public String getKey(OrderWide orderWide) return orderWide.getTm_id().toString(); @Override public void join(OrderWide orderWide, JSONObject dimInfo) orderWide.setTm_name(dimInfo.getString("TM_NAME")); , 60, TimeUnit.SECONDS); orderWideWithTmDs.print("order wide with sku_spu_category_tm > > > ");

5. 订单宽表写入kafka

/** * 将关联后的订单宽表数据发送到kafka的dwm层 */ orderWideWithTmDs.map(orderWide -> JSONObject.toJSONString(orderWide)) .addSink(MyKafkaUtil.getKafkaSink(orderWideTopic));

项目地址：https://github.com/zhangbaohpu/gmall-flink-parent