MRS 大企业 ERP 流程实时数据湖加工最佳实践
本文分享自华为云社区《MRS大企业ERP流程实时数据湖加工最佳实践》,作者:晋红轻 。
本文将以 ERP 流程实践为例介绍 MRS 实时数据湖方案的演进
案例实践需求解析
业务描述
AE 表:会计分录表,主要记录财务相关信息,可用于成本核算等业务计算。为业务最主要的表,称驱动表。
四通道表:实际为四个门店业务系统,主要记录销售记录信息。为成本核算、科目报表分析等业务提供信息佐证。可称为维表。
业务痛点
科目分析报表业务供数慢的痛点,数据时延高。
实际业务数据有内容更新,保证数据严格一致。
科目分析报表查询仅支持公司、科目、时段等少量查询条件。
实时数据湖方案优势
实时数据湖方案做增量加工,将传统供数压力卸载到每天、每小时、每分钟,100 万数据查询只需要 2min。
使用 Hudi 作为数据湖天然支持数据更新。
提供所有数据归档,可随时回溯。
支持科目、批名、凭证名、合同号等 31 个查询条件,大幅度减少用户导出数据后筛选过滤时间。支持用户基于页面直接分析。
实时数据湖方案实施挑战
流计算基于内存,峰值数据量过大会影响作业稳定性。
多流时延大,数据等待耗费大量内存资源,需考虑业务需求与使用资源的平衡。
流加工模型一
模型一特点
Hudi 表流读能够减少整体内存开销,提高作业稳定性。
以其中一条流为基准(左表),去比较另一条流(右表)
会出现关联缺失的情况,以驱动表(AE 表)的视角(新增 &更新):1)四通道流早到,并且 ttl 到期后数据丢失;2)四通道流晚到,AE 流 ttl 到期后数据丢失
模型一局限
目标宽表数据会出现不准的情况
源端新增因为关联不出有效结果造成目标宽表缺数 -> missing
源端更改因为关联不出有效结果造成目标宽表延时 -> delay
流加工模型二
补偿目的:基于业务逻辑,对比源端流表和目的端宽表数据内容,发现目标宽表缺失数据主要字段,关联源表完整内容找出缺失数据,并写回源端表补偿层。
missing&delay 补偿模拟:
模型二特点:比较方案一增加补偿机制,能够对比源表(AE 表,四通道表)以及目标宽表,找出缺失数据 missing, delay。
模型二局限:实际情况双流之间时延可能较大、对齐较难,虽然能够使用补偿机制找回缺失数据,但是这样流加工任务主要角色会被弱化,同时会对补偿任务造成更大压力,数据时延会变大 。
流加工模型三(最终)
双写目的:业务系统持续向 Hudi 表,HBase 表双写数据。Hudi 表流读,提供主要热关联数据,HBase 存储所有历史数据,技术上就是维度表,为热关联失败之后进行快速点查补数(lookup join)得到有效关联。提高双流关联的命中率。减少流加工整体数据时延。
维表选型:
模型总结:
版权声明: 本文为 InfoQ 作者【华为云开发者联盟】的原创文章。
原文链接:【http://xie.infoq.cn/article/9bd0fa541ca3be04651886c82】。文章转载请联系作者。
评论