Flink SQL Client 综合实战

category_id BIGINT,

behavior STRING,

ts TIMESTAMP(3),

proctime as PROCTIME(), -- 处理时间列

WATERMARK FOR ts as ts - INTERVAL '5' SECOND -- 在 ts 上定义 watermark，ts 成为事件时间列

) WITH (

'connector.type' = 'kafka', -- kafka connector

'connector.version' = 'universal', -- universal 支持 0.11 以上的版本

'connector.topic' = 'user_behavior', -- kafka topic

'connector.startup-mode' = 'earliest-offset', -- 从起始 offset 开始读取

'connector.properties.zookeeper.connect' = '192.168.50.43:2181', -- zk 地址

'connector.properties.bootstrap.servers' = '192.168.50.43:9092', -- broker 地址

'format.type' = 'json' -- 数据源格式为 json

);

5. 执行 SELECT * FROM user_behavior;看看原始数据，如果消息正常应该和下图类似：

[](()窗口统计

1. 下面的 SQL 是以每十分钟为窗口，统计每个窗口内的总浏览数，TUMBLE_START 返回的数据格式是 timestamp，这里再调用 DATE_FORMAT 函数将其格式化成了字符串：

SELECT DATE_FORMAT(TUMBLE_START(ts, INTERVAL '10' MINUTE), 'yyyy-MM-dd hh:mm:ss'),

DATE_FORMAT(TUMBLE_END(ts, INTERVAL '10' MINUTE), 'yyyy-MM-dd hh:mm:ss'),

COUNT(*)

FROM user_behavior

WHERE behavior = 'pv'

GROUP BY TUMBLE(ts, INTERVAL '10' MINUTE);

2. 得到数据如下所示：

[](()数据写入 ElasticSearch

1. 确保 elasticsearch 已部署好；

2. 执行以下语句即可创建 es 表，请按照您自己的 es 信息调整下面的参数：

CREATE TABLE pv_per_minute (

start_time STRING,

end_time STRING,

pv_cnt BIGINT

) WITH (

'connector.type' = 'elasticsearch', -- 类型

'connector.version' = '6', -- elasticsearch 版本

'connector.hosts' = 'http://192.168.133.173:9200', -- elasticsearch 地址

'connector.index' = 'pv_per_minute', -- 索引名，相当于数据库表名

'connector.document-type' = 'user_behavior', -- type，相当于数据库库名

'connector.bulk-flush.max-actions' = '1', -- 每条数据都刷新

'format.type' = 'json', -- 输出数据格式 json

'update-mode' = 'append'

);

3. 执行以下语句，就会将每分钟的 pv 总数写入 es 的 pv_per_minute 索引：

INSERT INTO pv_per_minute

SELECT DATE_FORMAT(TUMBLE_START(ts, INTERVAL '1' MINUTE), 'yyyy-MM-dd hh:mm:ss') AS start_time,

DATE_FORMAT(TUMBLE_END(ts, INTERVAL '1' MINUTE), 'yyyy-MM-dd hh:mm:ss') AS end_time,

COUNT(*) AS pv_cnt

FROM user_behavior

WHERE behavior = 'pv'

GROUP BY TUMBLE(ts, INTERVAL '1' MINUTE);

4. 用 es-head 查看，发现数据已成功写入：


[](()联表操作

1. 当前 user_behavior 表的 category_id 表示商品类目，例如 11120 表示计算机书籍，61626 表示牛仔裤，本次实战的数据集中，这样的类目共有五千多种；

2. 如果我们将这五千多种类目分成 6 个大类，例如 11120 属于教育类，61626 属于服装类，那么应该有个大类和类目的关系表；

3. 这个大类和类目的关系表在 MySQL 创建，表名叫 category_info，建表语句如下：

CREATE TABLE category_info(

id int(11) unsigned NOT NULL AUTO_INCREMENT,

parent_id bigint ,

category_id bigint ,

PRIMARY KEY ( id )

) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8 COLLATE=utf8_bin;

4. 表 category_info 所有数据来自对原始数据中 category_id 字段的提取，并且随机将它们划分为 6 个大类，该表的数据请在我的 GitHub 下载：https://raw.githubusercontent.com/zq2599/blog_demos/master/files/category_info.sql

5. 请在 MySQL 上建表 category_info，并将上述数据全部写进去；

6. 在 Flink SQL Client 执行以下语句创建这个维表，mysql 信息请按您自己配置调整：

CREATE TABLE category_info (

parent_id BIGINT, -- 商品大类

category_id BIGINT -- 商品详细类目

) WITH (

'connector.type' = 'jdbc',

'connector.url' = 'jdbc:mysql://192.168.50.43:3306/flinkdemo',

'connector.table' = 'category_info',

'connector.driver' = 'com.mysql.jdbc.Driver',

'connector.username' = 'root',

'connector.password' = '123456',

'connector.lookup.cache.max-rows' = '5000',

'connector.lookup.cache.ttl' = '10min'

);

7. 尝试联表查询：

SELECT U.user_id, U.item_id, U.behavior, C.parent_id, C.category_id

FROM user_behavior AS U LEFT JOIN category_info FOR SYSTEM_TIME AS OF U.proctime AS C

ON U.category_id = C.category_id;

8. 如下图，联表查询成功，每条记录都能对应大类：

9. 再试试联表统计，每个大类的总浏览量：

SELECT C.parent_id, COUNT(*) AS pv_count

FROM user_behavior AS U LEFT JOIN category_info FOR SYSTEM_TIME AS OF U.proctime AS C

ON U.category_id = C.category_id

WHERE behavior = 'pv'

GROUP BY C.parent_id;

10. 如下图，数据是动态更新的：

11. 执行以下语句，可以在统计时将大类 ID 转成中文名：

SELECT CASE C.parent_id

WHEN 1 THEN '服饰鞋包'

WHEN 2 THEN '家装家饰'

WHEN 3 THEN '家电'

WHEN 4 THEN '美妆'

WHEN 5 THEN '母婴'

WHEN 6 THEN '3C 数码'

ELSE '其他'

END AS category_name,

COUNT(*) AS pv_count

FROM user_behavior AS U LEFT JOIN category_info FOR SYSTEM_TIME AS OF U.proctime AS C

ON U.category_id = C.category_id

WHERE behavior = 'pv'

GROUP BY C.parent_id;