flink实战-模拟简易双11实时统计大屏

大数据技术与应用实战

发布于 2020-09-15 14:30:51

1.5K0

发布于 2020-09-15 14:30:51

文章被收录于专栏：大数据技术与应用实战

背景

在大数据的实时处理中，实时的大屏展示已经成了一个很重要的展示项，比如最有名的双十一大屏实时销售总价展示。除了这个，还有一些其他场景的应用，比如我们在我们的后台系统实时的展示我们网站当前的pv、uv等等，其实做法都是类似的。

今天我们就做一个最简单的模拟电商统计大屏的小例子，我们抽取一下最简单的需求。

实时计算出当天零点截止到当前时间的销售总额
计算出各个分类的销售top3
每秒钟更新一次统计结果

实例讲解

构造数据

首先我们通过自定义source 模拟订单的生成，生成了一个Tuple2,第一个元素是分类，第二个元素表示这个分类下产生的订单金额，金额我们通过随机生成.

 /**
  * 模拟生成某一个分类下的订单生成
  */
 public static class MySource implements SourceFunction<Tuple2<String,Double>>{

  private volatile boolean isRunning = true;
  private Random random = new Random();
  String category[] = {
    "女装", "男装",
    "图书", "家电",
    "洗护", "美妆",
    "运动", "游戏",
    "户外", "家具",
    "乐器", "办公"
  };

  @Override
  public void run(SourceContext<Tuple2<String,Double>> ctx) throws Exception{
   while (isRunning){
    Thread.sleep(10);
    //某一个分类
    String c = category[(int) (Math.random() * (category.length - 1))];
    //某一个分类下产生了price的成交订单
    double price = random.nextDouble() * 100;
    ctx.collect(Tuple2.of(c, price));
   }
  }

  @Override
  public void cancel(){
   isRunning = false;
  }
 }

构造统计结果类

 public static class CategoryPojo{
  //  分类名称
  private String category;
  //  改分类总销售额
  private double totalPrice;
  //      截止到当前时间的时间
  private String dateTime;
  
     getter and setter ........
 }

定义窗口和触发器


 DataStream<CategoryPojo> result = dataStream.keyBy(0)
                                              .window(TumblingProcessingTimeWindows.of(Time.days(
                                                1), Time.hours(-8)))
                                              .trigger(ContinuousProcessingTimeTrigger.of(Time.seconds(
                                                1)))
                                              .aggregate(
                                                new PriceAggregate(),
                                                new WindowResult()
                                              );

首先我们定义一个窗口期是一天的滚动窗口，然后设置一个1秒钟的触发器，之后进行聚合计算.

集合计算

 private static class PriceAggregate
   implements AggregateFunction<Tuple2<String,Double>,Double,Double>{

  @Override
  public Double createAccumulator(){
   return 0D;
  }

  @Override
  public Double add(Tuple2<String,Double> value, Double accumulator){
   return accumulator + value.f1;
  }

  @Override
  public Double getResult(Double accumulator){
   return accumulator;
  }

  @Override
  public Double merge(Double a, Double b){
   return a + b;
  }
 }

聚合计算也比较简单，其实就是对price的简单sum操作

收集窗口结果数据


 private static class WindowResult
   implements WindowFunction<Double,CategoryPojo,Tuple,TimeWindow>{
  SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");

  @Override
  public void apply(
    Tuple key,
    TimeWindow window,
    Iterable<Double> input,
    Collector<CategoryPojo> out) throws Exception{
   CategoryPojo categoryPojo = new CategoryPojo();
   categoryPojo.setCategory(((Tuple1<String>) key).f0);

   BigDecimal bg = new BigDecimal(input.iterator().next());
   double p = bg.setScale(2, BigDecimal.ROUND_HALF_UP).doubleValue();
   categoryPojo.setTotalPrice(p);
   categoryPojo.setDateTime(simpleDateFormat.format(new Date()));
   out.collect(categoryPojo);
  }
 }

我们最聚合的结果进行简单的封装，封装成CategoryPojo类以便后续处理

使用聚合窗口的结果


result.keyBy("dateTime")
        .window(TumblingProcessingTimeWindows.of(Time.seconds(
          1)))
        .process(new WindowResultProcess());

接下来我们要使用上面聚合的结果，所以我们使用上面的window聚合结果流又定义了时间是1秒的滚动窗口.

如何使用窗口的结果，可以参考flink的官网[1]

结果统计

接下来我们做最后的结果统计，在这里，我们会把各个分类的总价加起来，就是全站的总销量金额，然后我们同时使用优先级队列计算出分类销售的Top3，打印出结果，在生产过程中我们可以把这个结果数据发到hbase或者redis等外部存储，以供前端的实时页面展示。


 private static class WindowResultProcess
   extends ProcessWindowFunction<CategoryPojo,Object,Tuple,TimeWindow>{

  @Override
  public void process(

    Tuple tuple,
    Context context,
    Iterable<CategoryPojo> elements,
    Collector<Object> out) throws Exception{
   String date = ((Tuple1<String>) tuple).f0;

   Queue<CategoryPojo> queue = new PriorityQueue<>(
     3,
     (o1, o2)->o1.getTotalPrice() >= o2.getTotalPrice() ? 1 : -1);
   double price = 0D;
   Iterator<CategoryPojo> iterator = elements.iterator();
   int s = 0;
   while (iterator.hasNext()){
    CategoryPojo categoryPojo = iterator.next();
    if (queue.size() < 3){
     queue.add(categoryPojo);
    } else {
     CategoryPojo tmp = queue.peek();
     if (categoryPojo.getTotalPrice() > tmp.getTotalPrice()){
      queue.poll();
      queue.add(categoryPojo);
     }
    }
    price += categoryPojo.getTotalPrice();
   }

   List<String> list = queue.stream()
                            .sorted((o1, o2)->o1.getTotalPrice() <=
                                              o2.getTotalPrice() ? 1 : -1)
                            .map(f->"(分类：" + f.getCategory() + " 销售额：" +
                                    f.getTotalPrice() + ")")

                            .collect(
                              Collectors.toList());
   System.out.println("时间 ： " + date + "  总价 : " + price + " top3 " +
                      StringUtils.join(list, ","));
   System.out.println("-------------");
  }

 }

示例运行结果


3> CategoryPojo{category='户外', totalPrice=734.45, dateTime=2020-06-13 22:55:34}
2> CategoryPojo{category='游戏', totalPrice=862.86, dateTime=2020-06-13 22:55:34}
4> CategoryPojo{category='洗护', totalPrice=926.83, dateTime=2020-06-13 22:55:34}
3> CategoryPojo{category='运动', totalPrice=744.98, dateTime=2020-06-13 22:55:34}
2> CategoryPojo{category='乐器', totalPrice=648.81, dateTime=2020-06-13 22:55:34}
4> CategoryPojo{category='图书', totalPrice=1010.12, dateTime=2020-06-13 22:55:34}
1> CategoryPojo{category='家具', totalPrice=880.35, dateTime=2020-06-13 22:55:34}
3> CategoryPojo{category='家电', totalPrice=1225.34, dateTime=2020-06-13 22:55:34}
2> CategoryPojo{category='男装', totalPrice=796.06, dateTime=2020-06-13 22:55:34}
1> CategoryPojo{category='女装', totalPrice=1018.88, dateTime=2020-06-13 22:55:34}
1> CategoryPojo{category='美妆', totalPrice=768.37, dateTime=2020-06-13 22:55:34}
时间 ： 2020-06-13 22:55:34  总价 : 9617.050000000001 top3 (分类：家电 销售额：1225.34),(分类：女装 销售额：1018.88),(分类：图书 销售额：1010.12)

完整的代码请参考

https://github.com/zhangjun0x01/bigdata-examples/blob/master/flink/src/main/java/windows/BigScreem.java

参考资料【1】https://ci.apache.org/projects/flink/flink-docs-stable/dev/stream/operators/windows.html#working-with-window-results

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-06-13，如有侵权请联系 cloudcommunity@tencent.com 删除

flink