阿里云实时数据仓库Hologres&Flink

1. 实时数仓Hologres特点

专注实时场景： 数据实时写入、实时更新，写入即可见，与Flink原生集成，支持高吞吐、低延时、有模型的实时数仓开发，满足业务洞察实时性需求。
亚秒级交互式分析： 支持海量数据亚秒级交互式分析，无需预计算，支持多维分析、即席分析、探索式分析、MaxCompute加速分析，满足所见即所得分析体验。
统一数据服务出口： 支持多维分析、高性能点查、数据检索等多个场景，支持负载隔离，简化数据架构，统一数据访问接口，实践分析服务一体化(HSAP)。
**开放生态：**标准SQL协议，无缝对接主流BI和SQL开发框架，无需应用重写。支持数据湖场景，支持JSON等半结构化数据，OSS、DLF简易入仓。

2. 实时计算Flink服务

全托管Flink服务： 开箱即用、开发远维全周期、计费灵活
丰富的企业级能力： 流批一体的一站式开发运维平台、Flink CDC实时入湖入仓、动态CEP助力实时风控/营销、作业自动调优充分利用资源、智能冷断快速定位
性能强劲： 内核引擎优化: CPU超秒数十万记录处理能力、Nexmark 测试性能技开源提升200%、状态存储后端优化
100%兼容开源： 100%兼容Apache Flink、支持开源 Flink平滑迁移上云、无缝对接主流开源大教据生态
开放被集成能力强： 自定义连按器、UXF能力扩展、Open API帮助用户集成自身系统、用户开发能力扩展与沉淀复用、用户自身系统集成
**业界认可：**中国信通院权威认证、中国唯一进入 Forrester 象限的实时流计算产品、金融实时数仓方案入围工信部信创典型目录

3. 数据仓库概念

数据仓库定义 ( Data Warehouse )： 为企业所有决策制定过程，提供所有系统数据支持的战略集合。

传统的离线数仓无法实现++当天数据++ 的及时分析数据，所以需要开发实时数仓开填补空缺。

4. 阿里云技术框架

|-------------|-----------|------------------------------|
| 阿里云产品 | 简介 | 类比 |
| Flink实时计算平台 | 大数据计算框架 | Hadoop集群+Flink+调度器 |
| Hologres | 大数据存储框架 | Kafka+Redis+HBase+ClickHouse |
| DataHub | 数据流存储 | Kafka+元数据管理 |
| RDS | 关系型数据库 | MySql |
| DataV | 可视化数据展示工具 | Tableau、Echarts、Kibana |

5. 系统数据流程设计

5. Hologres的购买和基础介绍

后来我总是找不到实例在哪。（我等了两个小时终于实例出来啦）

点击登录实例

点击连接实例

双击登录库

可以编辑SQL

sql 复制代码

SELECT table_name
FROM information_schema.tables
WHERE table_schema = 'public' -- 可以根据需要更改模式名称
AND table_type = 'BASE TABLE';

6. Flink实时计算

开通之后点击立即试用

7. 数据总线Datahub

数据总线datahub是阿里云免费提供的服务，相当于大数据框架中的kafka，可以用作数据的缓存。

进入到datahub的主页面之后，点击项目管理，之后再点击新建项目。填写项目名称之后即可完成创建。

8. 业务表

一共7个表

9. 同步策略

数据同步策略的类型包括：全量同步（每天把完整的数据同步）、增量同步（有一条数据变化就同步过来）

实时数仓统一都要选择增量同步 ，细节在于++维度表++ 数据需要保持和++业务数据库++始终一致，同步修改和删除。而业务流程数据需要记录下每一次数据的变化。

10. RDS服务器购买

阿里云关系型数据库（Relational Database Service，简称RDS）是一种稳定可靠、可弹性伸缩的在线数据库服务。

使用的都是内网

导入数据库

11. ODS数据同步

ODS层的数据同步需要将数据从业务表格监控数据的实时变化，将变化数据写入到DataHub中，同步业务表格RDS（MySQL）的变更数据有多种方法，较为简单的方法，可以直接使用阿里云的DataWorks数据同步功能，此处选择更加泛用的flinkCDC方法来实现。

12. FlinkCDC

CDC是Change Data Capture(++变更数据获取++ )的简称。核心思想是，++监测并捕获数据库的变动（包括数据或数据表的插入、更新以及删除等）++ ，将这些变更按发生的顺序完整记录下来，写入到++消息中间件(datahub,类似kafka)++中以供其他服务进行订阅及消费。

CDC主要分为基于查询和基于Binlog两种方式，我们主要了解一下这两种之间的区别：

基于批处理/基于流处理

Flink社区开发了 flink-cdc-connectors 组件，这是一个可以直接从 MySQL、PostgreSQL 等数据库直接读取全量数据和增量变更数据的 source 组件。目前也已开源，

13. Flink Stream API完成数据同步

在数据总线DataHub中，先创建项目gmall_realtime，之后创建主题ods_table_ri用于接收数据，同时填写元数据信息。

13.1 创建IDEA项目

解决错误 "Plugin 'maven-shade-plugin:3.1.1' not found" 的方法详解

找到对应文件夹，更改成对应的版本号

解决方式是，删掉.idea这个文件夹，再导入一次项目

运行之后出现，需要把依赖添加进来

13.2 创建工具类

推荐使用阿里云官方提供的DataHubSink写出数据，可以直接添加DataHub的元数据对应。

下面这些信息都在阿里的DataHub中找信息

运行CDCToDataHub，就可以看到在官网上的结果。

13.3 打包上传

点击Maven的packeage功能。

在Flink平台部署jar包

测试是否能连通DataHub？