Flink电商实时数仓（六）

交易域支付成功事务事实表

从topic_db业务数据中筛选支付成功的数据
从dwd_trade_order_detail主题中读取订单事实数据、LookUp字典表
关联三张表形成支付成功宽表
写入 Kafka 支付成功主题

执行步骤

设置ttl，通过Interval join实现左右流的状态管理
获取下单明细数据：用户必然要先下单才有可能支付成功，因此支付成功明细数据集必然是订单明细数据集的子集。要注意：Interval Join要求表中均为Append数据，即"只能新增，不能修改"，订单明细表数据生成过程中用到了left join，生成了回撤流，看似不满足Interval Join的条件。但是，回撤数据进入Kafka会以null值形式存在，如果用Kafka Connector将订单明细封装为动态表，null值会被过滤，最终得到的是相同主键存在重复数据的Append流（动态表本质上就是流），满足Interval Join的条件。
- Interval join只支持事件时间，因此数据必须携带水位线；建表时水位线的相关语法为 water for order_time as order_time - interval '5' second，这里要求数据是timestamp(3)
- 原有的时间数据类型是bigint类型的ts，使用row_time as TO_TIMESTAMP_LTZ(ts,3)这个函数即可将原有的时间数据转换为水位线所需的数据类型
筛选支付数据：
- 支付状态为支付成功
- 操作类型为update
构建 LookUp 字典表
联上述三张表形成支付成功宽表，写入 Kafka 支付成功主题

核心代码如下

java 复制代码

 public void handle(StreamExecutionEnvironment env, TableEnvironment tableEnv, String groupId) {
        //核心业务逻辑
        //1. 读取TopicDB主题数据
        createTopicDb(groupId,tableEnv);

        //2. 筛选支付成功的数据，从业务数据topic_db中
        filterPaymentTable(tableEnv);

        //3. 读取下单详情表数据, 从kafka读取数据
        createOrderDetailTable(tableEnv, groupId);

        //4. 创建base.dic字典表，从HBase维度数据中读取
        createBaseDic(tableEnv);

        //tableEnv.executeSql("select * from order_detail").print();
        //tableEnv.executeSql("select * from base_dic").print();

        //tableEnv.executeSql("select to_timestamp_ltz(ts,3) from order_detail");

        //5. 使用interval join 完成支付成功流和订单详情数据关联
        intervalJoin(tableEnv);

        //6. 使用lookup join完成维度退化
        Table resultTable = lookupJoin(tableEnv);

        //7. 创建upsert kafka连接器写出
        createKafkaSink(tableEnv);

        resultTable.insertInto(Constant.TOPIC_DWD_TRADE_ORDER_PAYMENT_SUCCESS).execute();

    }

事实表动态分流

dwd层其他的事实表都是从topic_db中去业务数据库一张表的变更数据，按照某些过滤后写入kafka的对应主题，它们处理逻辑相似且较为简单，可以结合配置表动态分流在同一个程序中处理。有点类似我们前面实现DIM层的动态配置。

清洗过滤和转换：判断是否满足json格式，如果满足转换为jsonObj对象
读取配置表数据，使用flink-cdc读取
转换数据格式，转换到对应bean对象中
配置信息广播话，然后跟主流数据进行连接
筛选出需要的字段
根据表中的sink table字段来动态写出到对应的kafka主题中

核心代码如下

java 复制代码

public static void main(String[] args) {
        new DwdBaseDb().start(10019, 4, "dwd_base_db", Constant.TOPIC_DB);
    }


    @Override
    public void handle(StreamExecutionEnvironment env, DataStreamSource<String> stream) {
        //核心业务逻辑

        //1. 读取topic_db数据
        //stream.print();

        //2. 清洗过滤和转换, jsonObjStream是主流数据
        SingleOutputStreamOperator<JSONObject> jsonObjStream = filterJson(stream);

        //jsonObjStream.print();

        //3. 读取配置表数据，使用flink-cdc读取,读取配置文件时并发度最好为1
        DataStreamSource<String> tableProcessDwd = getTableProcessDwd(env);

        //tableProcessDwd.print();

        4. 转换数据格式 string -> TableProcessDwd -> broadcastStream，广播流数据
        SingleOutputStreamOperator<TableProcessDwd> processDwdStream = getProcessDwdStream(tableProcessDwd);

        MapStateDescriptor<String, TableProcessDwd> mapStateDescriptor = new MapStateDescriptor<>("process_state", String.class, TableProcessDwd.class);
        BroadcastStream<TableProcessDwd> broadcastStream = processDwdStream.broadcast(mapStateDescriptor);

        //5. 连接主流和广播流，对主流数据进行判断是否需要保留
        SingleOutputStreamOperator<Tuple2<JSONObject, TableProcessDwd>> processStream = processBaseDb(jsonObjStream, broadcastStream, mapStateDescriptor);

        //processStream.print();

        //6. 筛选最后需要写出的字段
        SingleOutputStreamOperator<JSONObject> dataStream = filterColumns(processStream);

        //7. 通过sink_table的表名来动态写出到对应kafka主题
        //在setRecordSerializer()设置
        dataStream.sinkTo(FlinkSinkUtil.getKafkaSinkWithTopicName());

    }

gitee地址：https://gitee.com/langpaian/gmall2023-realtime