指标统计:基于流计算Oceanus(Flink) 实现实时UVPV统计

导语 | 最近梳理了一下如何用Flink来实现实时的UV、PV指标的统计,并和公司内微视部门的同事交流。然后针对该场景做了简化,并发现使用Flink SQL来实现这些指标的统计会更加便捷。
一、解决方案描述
(一)概述

(二)方案架构及优势

本地数据中心(IDC)的自建Kafka集群
私有网络VPC
专线接入/云联网/VPN连接/对等连接
流计算Oceanus (Flink)
云数据库Redis
二、前置准备
(一)创建私有网络VPC
(二)创建Oceanus集群
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。
在Oceanus控制台的【集群管理->【新建集群】页面创建集群,选择地域、可用区、VPC、日志、存储,设置初始密码等。VPC及子网使用刚刚创建好的网络。创建完后Flink的集群如下:

(三)创建Redis集群
Redis控制台:https://console.cloud.tencent.com/redis#/

(四)配置自建Kafka集群
修改自建Kafka集群配置
advertised.listeners=PLAINTEXT://10.1.0.10:9092advertised.host.name=PLAINTEXT://10.1.0.10:9092
修改后重启Kafka集群。
注意:若在云上使用到自建的zookeeper地址,也需要将zk配置中的hostname修改ip地址形式。
模拟发送数据到topic
Kafka客户端
./bin/kafka-console-producer.sh --broker-list 10.1.0.10:9092 --topic uvpv-demo{"record_type":0, "user_id": 2, "client_ip": "100.0.0.2", "product_id": 101, "create_time": "2021-09-08 16:20:00"}{"record_type":0, "user_id": 3, "client_ip": "100.0.0.3", "product_id": 101, "create_time": "2021-09-08 16:20:00"}{"record_type":1, "user_id": 2, "client_ip": "100.0.0.1", "product_id": 101, "create_time": "2021-09-08 16:20:00"}
使用脚本发送
(五)打通自建IDC集群到腾讯云网络通信
专线接入
https://cloud.tencent.com/document/product/216适用于本地数据中心IDC与腾讯云网络打通。
云联网
https://cloud.tencent.com/document/product/877适用于本地数据中心IDC与腾讯云网络打通,也可用于云上不同地域间私有网络VPC打通。
VPN连接
https://cloud.tencent.com/document/product/554适用于本地数据中心IDC与腾讯云网络打通。
对等连接+NAT网关
对等连接:
https://cloud.tencent.com/document/product/553
NAT网关:
https://cloud.tencent.com/document/product/552适合云上不同地域间私有网络VPC打通,不适合本地IDC到腾讯云网络。

三、方案实现
(一)业务目标
网站的独立访客数量UV。Oceanus处理后在Redis中通过set类型存储独立访客数量,同时也达到了对同一访客的数据去重的目的。
网站商品页面的点击量PV。Oceanus处理后在Redis中使用list类型存储页面点击量。
转化率(转化率=成交次数/点击量)。Oceanus处理后在Redis中用String存储即可。
(二)源数据格式

Kafka内部采用json格式存储,数据格式如下:
# 浏览记录{"record_type":0, # 0 表示浏览记录"user_id": 6,"client_ip": "100.0.0.6","product_id": 101,"create_time": "2021-09-06 16:00:00"}# 购买记录{"record_type":1, # 1 表示购买记录"user_id": 6,"client_ip": "100.0.0.8","product_id": 101,"create_time": "2021-09-08 18:00:00"}
(三)编写Flink SQL作业
定义Source
CREATE TABLE `input_web_record` (`record_type` INT,`user_id` INT,`client_ip` VARCHAR,`product_id` INT,`create_time` TIMESTAMP,`times` AS create_time,WATERMARK FOR times AS times - INTERVAL '10' MINUTE) WITH ('connector' = 'kafka', -- 可选 'kafka','kafka-0.11'. 注意选择对应的内置 Connector'topic' = 'uvpv-demo','scan.startup.mode' = 'earliest-offset',--'properties.bootstrap.servers' = '82.157.27.147:9092','properties.bootstrap.servers' = '10.1.0.10:9092','properties.group.id' = 'WebRecordGroup', -- 必选参数, 一定要指定 Group ID'format' = 'json','json.ignore-parse-errors' = 'true', -- 忽略 JSON 结构解析异常'json.fail-on-missing-field' = 'false' -- 如果设置为 true, 则遇到缺失字段会报错 设置为 false 则缺失字段设置为 null);
定义Sink
-- UV sinkCREATE TABLE `output_uv` (`userids` STRING,`user_id` STRING) WITH ('connector' = 'redis','command' = 'sadd', -- 使用集合保存uv(支持命令:set、lpush、sadd、hset、zadd)'nodes' = '192.28.28.217:6379', -- redis连接地址,集群模式多个节点使用'',''分隔。-- 'additional-key' = '', -- 用于指定hset和zadd的key。hset、zadd必须设置。 'password' = 'yourpassword');-- PV sinkCREATE TABLE `output_pv` (`pagevisits` STRING,`product_id` STRING,`hour_count` BIGINT) WITH ('connector' = 'redis','command' = 'lpush', -- 使用列表保存pv(支持命令:set、lpush、sadd、hset、zadd)'nodes' = '192.28.28.217:6379', -- redis连接地址,集群模式多个节点使用'',''分隔。-- 'additional-key' = '', -- 用于指定hset和zadd的key。hset、zadd必须设置。 'password' = 'yourpassword');-- 转化率 sinkCREATE TABLE `output_conversion_rate` (`conversion_rate` STRING,`rate` STRING) WITH ('connector' = 'redis','command' = 'set', -- 使用列表保存pv(支持命令:set、lpush、sadd、hset、zadd)'nodes' = '192.28.28.217:6379', -- redis连接地址,集群模式多个节点使用'',''分隔。-- 'additional-key' = '', -- 用于指定hset和zadd的key。hset、zadd必须设置。 'password' = 'yourpassword');
业务逻辑
-- 加工得到 UV 指标,统计所有时间内的 UVINSERT INTO output_uvSELECT'userids' AS `userids`,CAST(user_id AS string) AS user_idFROM input_web_record ;-- 加工并得到 PV 指标,统计每 10 分钟内的 PVINSERT INTO output_pvSELECT'pagevisits' AS pagevisits,CAST(product_id AS string) AS product_id,SUM(product_id) AS hour_countFROM input_web_record WHERE record_type = 0GROUP BYHOP(times, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE),product_id,user_id;-- 加工并得到转化率指标,统计每 10 分钟内的转化率INSERT INTO output_conversion_rateSELECT'conversion_rate' AS conversion_rate,CAST( (((SELECT COUNT(1) FROM input_web_record WHERE record_type=0)*1.0)/SUM(a.product_id)) as string)FROM (SELECT * FROM input_web_record where record_type = 1) AS aGROUP BYHOP(times, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE),product_id;
(四)结果验证

userids: 存储UV
pagevisits: 存储PV
conversion_rate: 存储转化率,即购买商品次数/总页面点击量。
四、总结
流计算 Oceanus 限量秒杀专享活动火爆进行中↓↓

👇点击下方「阅读原文」,了解腾讯云流计算Oceanus更多信息~
