Flink实时电商数仓（八）

用户域登录各窗口汇总表

• 主要任务：从kafka页面日志主题读取数据，统计
  • 七日回流用户：之前活跃的用户，有一段时间不活跃了，之后又开始活跃，称为回流用户
  • 当日独立用户数：同一个用户当天重复登录，只算作一个独立用户。

思路分析

1. 读取kafka页面主题数据
2. 转换数据结构：String -> JSONObject
3. 过滤数据，uid不为null
   • 登录的两种情况
     • 用户打开应用后自动登录
     • 用户打印应用后没有登录，浏览后跳转到登录页面
   • 过滤条件：
     • uid不为null且last_page_id is null
     • last_page_id = login
4. 设置水位线
5. 按照uid分组
6. 统计回流用户数和独立用户数
7. 开窗聚合
8. 写入doris

具体实现

1. 设置端口、并行度、消费者组、kafka主题
2. 读取dwd页面主题数据
   • stream.print()
3. 对数据进行清洗过滤：uid不为空
   • stream.flatMap()使用flatMap过滤
   • new FlatMapFunction<>(){}在该方法内部转换为JSONObject, 并且获取uid和lastPageId, try-catch这段代码
   • 判断是否满足思路分析中的条件，如果中途发生异常，直接catch后打印到控制台清理掉即可。
4. 先注册水位线
   • jsonObjStream.assignTimestampAndWatermark
   • new SerializableTimestampAssigner<>, 提取数据中的ts
5. 按照uid分组
   • stream.keyby()按照uid进行分组
6. 判断独立用户和回流用户
   • 创建UserLoginBean, 使用状态保存用户的登录信息
   • 在open方法中，getRuntimeContext().getState(new ValueStateDescriptor<>("last_login_dt",String.class))创建状态记录用户上一次的登录时间
   • 在processElement方法中比较当前登录的日期和状态存储的日期
     • 如果lastLoginDt==null是新用户
     • 如果不为空，判断上次登录时间和当前时间的差值是否大于7天；如果大于7天，说明是回流用户。
     • 如果小于7天，还需要判断上次登录时间是否是今天，如果不是今天，则说明该用户本次是独立用户。
7. 开窗聚合
   • 使用滚动窗口开窗聚合
   • 在reduce算子中写聚合逻辑
   • 在process算子中获取窗口信息
8. 写入doris
   • 创建doris sink，写出到doris

核心代码

public static void main(String[] args) {
        new DwsUserUserLoginWindow().start(10024,4,"dws_user_user_login_window", Constant.TOPIC_DWD_TRAFFIC_PAGE);
    }

    @Override
    public void handle(StreamExecutionEnvironment env, DataStreamSource<String> stream) {
        //1.读取dwd页面数据
        //stream.print();

        //2. 对数据进行清洗过滤
        SingleOutputStreamOperator<JSONObject> jsonObjStream = etl(stream);

        //3. 注册水位线
        SingleOutputStreamOperator<JSONObject> withWatermarkStream = addWatermark(jsonObjStream);

        //4. 按照uid分组
        KeyedStream<JSONObject, String> keyedStream = getKeyedStream(withWatermarkStream);

        //5. 判断独立用户和回流用户
        SingleOutputStreamOperator<UserLoginBean> processedStream = getUserLoginBeanStream(keyedStream);

        //processedStream.print();

        //开窗聚合
        SingleOutputStreamOperator<UserLoginBean> reducedStream = getReducedStream(processedStream);

        //reducedStream.print();

        //写入Doris
        reducedStream.map(new DorisMapFunction<>())
                .sinkTo(FlinkSinkUtil.getDorisSink(Constant.DWS_USER_USER_LOGIN_WINDOW));


    }

gitee仓库地址：(https://gitee.com/langpaian/gmall2023-realtime)