大数据 - DWD&DIM 业务数据

业务数据的变化，我们可以通过 FlinkCDC 采集到，但是 FlinkCDC 是把全部数据统一写入一个 Topic 中, 这些数据包括事实数据，也包含维度数据，这样显然不利于日后的数据处理，所以这个功能是从 Kafka 的业务数据 ODS 层读取数据，经过处理后，将维度数据保存到 HBase，将事实数据写回 Kafka 作为业务数据的 DWD 层

实现动态分流功能

由于 FlinkCDC 是把全部数据统一写入一个 Topic 中, 这样显然不利于日后的数据处理。所以需要把各个表拆开处理。但是由于每个表有不同的特点，有些表是维度表，有些表是事实表。

在实时计算中一般把维度数据写入存储容器，一般是方便通过主键查询的数据库比如HBase,Redis,MySQL 等。一般把事实数据写入流中，进行进一步处理，最终形成宽表。

维度数据不放 Redis 的原因：User 用户维度数据量很大，其它维度还行。
为什么不放 MySQL： 并发压力大

这样的配置不适合写在配置文件中，因为这样的话，业务端随着需求变化每增加一张表，就要修改配置重启计算程序。所以这里需要一种动态配置方案，把这种配置长期保存起来，一旦配置有变化，实时计算可以自动感知。

这种可以有两个方案实现

• 一种是用 Zookeeper 存储，通过 Watch 感知数据变化；

• 另一种是用 mysql 数据库存储，周期性的同步；(有配置表，指定哪些表的数据发给哪些主题)

• 另一种是用 mysql 数据库存储，使用广播流。
  这里选择第二种方案，主要是 MySQL 对于配置数据初始化和维护管理，使用 FlinkCDC 读取配置信息表，将配置流作为广播流与主流进行连接。
  

• 获取执行环境

• 消费Kafka ods_base_db 主题数据创建流

• 将每行数据转换为JSON对象并过滤(delete) 主流

• 使用FlinkCDC消费配置表并处理成 广播流

• 连接主流和广播流

• 分流 处理数据 广播流数据,主流数据(根据广播流数据进行处理)

• 提取Kafka流数据和HBase流数据

• 将Kafka数据写入Kafka主题,将HBase数据写入Phoenix表

• 启动任务

table_process

table_process	主健：sourceTable + type
sourceTable	根据表名分流
type	用来区分新增、变更的数据，不同类型的数据放到不同主题表不
sinkType	放Kafka还是其它地方
sinkTable	如果是维度表，就是Phoenix表名，如果是 kafka 就是 主题
sinkColumns	提供字段，为了自动建表
pk	Phoenix 建表必须有主健
extend	指定要不要做分区表，等等

Demo

sourceTable	type	sinkType	sinkTable
base_trademark	insert	hbase	dim_xxx(Phoenix 表名)
order_info	insert	kafka	dwd_xxx(主题名)

CREATE TABLE `table_process` (
`source_table` varchar(200) NOT NULL COMMENT '来源表',
`operate_type` varchar(200) NOT NULL COMMENT '操作类型 insert,update,delete',
`sink_type` varchar(200) DEFAULT NULL COMMENT '输出类型 hbase kafka',
`sink_table` varchar(200) DEFAULT NULL COMMENT '输出表(主题)',
`sink_columns` varchar(2000) DEFAULT NULL COMMENT '输出字段',
`sink_pk` varchar(200) DEFAULT NULL COMMENT '主键字段',
`sink_extend` varchar(200) DEFAULT NULL COMMENT '建表扩展',
PRIMARY KEY (`source_table`,`operate_type`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8

1.读取状态2.过滤数据
3.分流

ODS:

• 数据源:行为数据，业务数据
• 架构分析:
  FlinkCDC: DataStream/FlinkSOIFlinkCDC/Maxwell/Canal保持数据原貌，不做任何修改! ods_base_log,ods_base_db

DWD-DIM:

行为数据:DWD(Kafka)

1.过滤脏数据 --> 侧输出流 脏数据率
2.新老用户校验 --> 前台校验不准
3.分流 --> 侧输出流 页面、启动、曝光、动作、错误
4.写入Kafka

业务数据:DWD (Kafka)-DIM(Phoenix)

1.过滤数据-->删除数据
2.读取配置表创建广播流
3.连接主流和广播流并处理
1）广播流数据:

• 解析数据
• Phoenix 建表（HBase)
• 写入状态广播

2）主流数据

• 读取状态
• 过滤字段
• 分流（添加 SinkTable 字段）

4.提取Kafka和 HBase 流，分别对应的位置
5.HBase流：自定义 Sink
6.Kafka流：自定义序列化方式

大数据-数据仓库-实时数仓架构分析
大数据-业务数据采集-FlinkCDC
大数据 - DWD&DIM 行为数据
大数据 - DWD&DIM 业务数据
大数据 DWM层 业务实现