flink实战-模拟简易双11实时统计大屏

背景

在大数据的实时处理中，实时的大屏展示已经成了一个很重要的展示项，比如最有名的双十一大屏实时销售总价展示。除了这个，还有一些其他场景的应用，比如我们在我们的后台系统实时的展示我们网站当前的pv、uv等等，其实做法都是类似的。

今天我们就做一个最简单的模拟电商统计大屏的小例子，我们抽取一下最简单的需求。

• 实时计算出当天零点截止到当前时间的销售总额
• 计算出销售top3的分类
• 每秒钟更新一次统计结果

实例讲解

构造数据

首先我们通过自定义source 模拟订单的生成，生成了一个Tuple2,第一个元素是分类，第二个元素表示这个分类下产生的订单金额，金额我们通过随机生成.

	/**
	 * 模拟生成某一个分类下的订单生成
	 */
	public static class MySource implements SourceFunction<Tuple2<String,Double>>{

		private volatile boolean isRunning = true;
		private Random random = new Random();
		String category[] = {
				"女装", "男装",
				"图书", "家电",
				"洗护", "美妆",
				"运动", "游戏",
				"户外", "家具",
				"乐器", "办公"
		};

		@Override
		public void run(SourceContext<Tuple2<String,Double>> ctx) throws Exception{
			while (isRunning){
				Thread.sleep(10);
				//某一个分类
				String c = category[(int) (Math.random() * (category.length - 1))];
				//某一个分类下产生了price的成交订单
				double price = random.nextDouble() * 100;
				ctx.collect(Tuple2.of(c, price));
			}
		}

		@Override
		public void cancel(){
			isRunning = false;
		}
	}

构造统计结果类

	public static class CategoryPojo{
		//		分类名称
		private String category;
		//		改分类总销售额
		private double totalPrice;
		//      截止到当前时间的时间
		private String dateTime;
		
	    getter and setter ........
	}

定义窗口和触发器

	DataStream<CategoryPojo> result = dataStream.keyBy(0)
		                                            .window(TumblingProcessingTimeWindows.of(Time.days(
				                                            1), Time.hours(-8)))
		                                            .trigger(ContinuousProcessingTimeTrigger.of(Time.seconds(
				                                            1)))
		                                            .aggregate(
				                                            new PriceAggregate(),
				                                            new WindowResult()
		                                            );

首先我们定义一个窗口期是一天的滚动窗口，然后设置一个1秒钟的触发器，之后进行聚合计算.

集合计算

	private static class PriceAggregate
			implements AggregateFunction<Tuple2<String,Double>,Double,Double>{

		@Override
		public Double createAccumulator(){
			return 0D;
		}

		@Override
		public Double add(Tuple2<String,Double> value, Double accumulator){
			return accumulator + value.f1;
		}

		@Override
		public Double getResult(Double accumulator){
			return accumulator;
		}

		@Override
		public Double merge(Double a, Double b){
			return a + b;
		}
	}

聚合计算也比较简单，其实就是对price的简单sum操作

收集窗口结果数据

	private static class WindowResult
			implements WindowFunction<Double,CategoryPojo,Tuple,TimeWindow>{
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");

		@Override
		public void apply(
				Tuple key,
				TimeWindow window,
				Iterable<Double> input,
				Collector<CategoryPojo> out) throws Exception{
			CategoryPojo categoryPojo = new CategoryPojo();
			categoryPojo.setCategory(((Tuple1<String>) key).f0);

			BigDecimal bg = new BigDecimal(input.iterator().next());
			double p = bg.setScale(2, BigDecimal.ROUND_HALF_UP).doubleValue();
			categoryPojo.setTotalPrice(p);
			categoryPojo.setDateTime(simpleDateFormat.format(new Date()));
			out.collect(categoryPojo);
		}
	}

我们最聚合的结果进行简单的封装，封装成CategoryPojo类以便后续处理

使用聚合窗口的结果

result.keyBy("dateTime")
		      .window(TumblingProcessingTimeWindows.of(Time.seconds(
				      1)))
		      .process(new WindowResultProcess());

接下来我们要使用上面聚合的结果，所以我们使用上面的window聚合结果流又定义了时间是1秒的滚动窗口.

如何使用窗口的结果，可以参考flink的官网[1]

结果统计

接下来我们做最后的结果统计，在这里，我们会把各个分类的总价加起来，就是全站的总销量金额，然后我们同时使用优先级队列计算出分类销售的Top3，打印出结果，在生产过程中我们可以把这个结果数据发到hbase或者redis等外部存储，以供前端的实时页面展示。

	private static class WindowResultProcess
			extends ProcessWindowFunction<CategoryPojo,Object,Tuple,TimeWindow>{

		@Override
		public void process(

				Tuple tuple,
				Context context,
				Iterable<CategoryPojo> elements,
				Collector<Object> out) throws Exception{
			String date = ((Tuple1<String>) tuple).f0;

			Queue<CategoryPojo> queue = new PriorityQueue<>(
					3,
					(o1, o2)->o1.getTotalPrice() >= o2.getTotalPrice() ? 1 : -1);
			double price = 0D;
			Iterator<CategoryPojo> iterator = elements.iterator();
			int s = 0;
			while (iterator.hasNext()){
				CategoryPojo categoryPojo = iterator.next();
				if (queue.size() < 3){
					queue.add(categoryPojo);
				} else {
					CategoryPojo tmp = queue.peek();
					if (categoryPojo.getTotalPrice() > tmp.getTotalPrice()){
						queue.poll();
						queue.add(categoryPojo);
					}
				}
				price += categoryPojo.getTotalPrice();
			}

			List<String> list = queue.stream()
			                         .sorted((o1, o2)->o1.getTotalPrice() <=
			                                           o2.getTotalPrice() ? 1 : -1)
			                         .map(f->"(分类：" + f.getCategory() + " 销售额：" +
			                                 f.getTotalPrice() + ")")

			                         .collect(
					                         Collectors.toList());
			System.out.println("时间 ： " + date + "  总价 : " + price + " top3 " +
			                   StringUtils.join(list, ","));
			System.out.println("-------------");
		}

	}

示例运行结果

3> CategoryPojo{category='户外', totalPrice=734.45, dateTime=2020-06-13 22:55:34}
2> CategoryPojo{category='游戏', totalPrice=862.86, dateTime=2020-06-13 22:55:34}
4> CategoryPojo{category='洗护', totalPrice=926.83, dateTime=2020-06-13 22:55:34}
3> CategoryPojo{category='运动', totalPrice=744.98, dateTime=2020-06-13 22:55:34}
2> CategoryPojo{category='乐器', totalPrice=648.81, dateTime=2020-06-13 22:55:34}
4> CategoryPojo{category='图书', totalPrice=1010.12, dateTime=2020-06-13 22:55:34}
1> CategoryPojo{category='家具', totalPrice=880.35, dateTime=2020-06-13 22:55:34}
3> CategoryPojo{category='家电', totalPrice=1225.34, dateTime=2020-06-13 22:55:34}
2> CategoryPojo{category='男装', totalPrice=796.06, dateTime=2020-06-13 22:55:34}
1> CategoryPojo{category='女装', totalPrice=1018.88, dateTime=2020-06-13 22:55:34}
1> CategoryPojo{category='美妆', totalPrice=768.37, dateTime=2020-06-13 22:55:34}
时间 ： 2020-06-13 22:55:34  总价 : 9617.050000000001 top3 (分类：家电 销售额：1225.34),(分类：女装 销售额：1018.88),(分类：图书 销售额：1010.12)

完整的代码请参考

https://github.com/zhangjun0x01/bigdata-examples/blob/master/flink/src/main/java/windows/BigScreem.java

参考资料
【1】https://ci.apache.org/projects/flink/flink-docs-stable/dev/stream/operators/windows.html#working-with-window-results

欢迎关注我的公众号，获取更多精彩信息