作者:吴云涛,腾讯 CSIG 高级工程师
导语 | 最近梳理了一下如何用 Flink 来实现实时的 UV、PV 指标的统计,并和公司内微视部门的同事交流。然后针对该场景做了简化,并发现使用 Flink SQL 来 实现这些指标的统计会更加便捷。
一、解决方案描述
1.1 概述
本方案结合本地自建 Kafka 集群、腾讯云流计算 Oceanus(Flink)、云数据库 Redis 对博客、购物等网站 UV、PV 指标进行实时可视化分析。分析指标包含网站的独立访客数量(UV )、产品的点击量(PV)、转化率(转化率 = 成交次数 / 点击量)等。
相关概念介绍:UV(Unique Visitor):独立访客数量。访问您网站的一台客户端为一个访客,如用户对同一页面访问了 5 次,那么该页面的 UV 只加 1,因为 UV 统计的是去重后的用户数而不是访问次数。PV(Page View):点击量或页面浏览量。如用户对同一页面访问了 5 次,那么该页面的 PV 会加 5。
1.2 方案架构及优势
根据以上实时指标统计场景,设计了如下架构图:
涉及产品列表:
本地数据中心(IDC)的自建 Kafka 集群
私有网络 VPC
专线接入/云联网/VPN连接/对等连接
流计算 Oceanus (Flink)
云数据库 Redis
二、前置准备
购买所需的腾讯云资源,并打通网络。自建的 Kafka 集群需根据集群所在区域需采用 VPN 连接、专线连接或对等连接的方式来实现网络互通互联。
2.1 创建私有网络 VPC
私有网络(VPC)是一块在腾讯云上自定义的逻辑隔离网络空间,在构建 Oceanus 集群、Redis 组件等服务时选择的网络建议选择同一个 VPC,网络才能互通。否则需要使用对等连接、NAT 网关、VPN 等方式打通网络。私有网络创建步骤请参考帮助文档(/document/product/215/36515)。
2.2创建 Oceanus 集群
流计算 Oceanus 是大数据产品生态体系的实时化分析利器,是基于 Apache Flink 构建的具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台。流计算 Oceanus 以实现企业数据价值最大化为目标,加速企业实时化数字化的建设进程。
在 Oceanus 控制台的【集群管理】->【新建集群】页面创建集群,选择地域、可用区、VPC、日志、存储,设置初始密码等。VPC 及子网使用刚刚创建好的网络。创建完后 Flink 的集群如下:
2.3创建 Redis 集群
在Redis 控制台(https://console./redis#/)的【新建实例】页面创建集群,选择与其他组件同一地域,同区域的同一私有网络 VPC,这里还选择同一子网。
2.4 配置自建 Kafka 集群
2.4.1 修改自建 Kafka 集群配置
自建 Kafka 集群连接时 bootstrap-servers 参数常常使用 hostname 而不是 ip 来连接。但用自建 Kafka 集群连接腾讯云上的 Oceanus 集群为全托管集群, Oceanus 集群的节点上无法解析自建集群的 hostname 与 ip 的映射关系,所以需要改监听器地址由 hostname 为 ip 地址连接的形式。
将 config/server.properties 配置文件中 advertised.listeners 参数配置为IP地址。示例:
# 0.10.X及以后版本advertised.listeners=PLAINTEXT://10.1.0.10:9092# 0.10.X之前版本advertised.host.name=PLAINTEXT://10.1.0.10:9092
修改后重启 Kafka 集群。
! 若在云上使用到自建的zookeeper地址,也需要将zk配置中的hostname修改IP地址形式。
2.4.2 模拟发送数据到topic
本案例使用topic为topic为 uvpv-demo。
1)Kafka 客户端
进入自建 Kafka 集群节点,启动 Kafka 客户端,模拟发送数据。
./bin/kafka-console-producer.sh--broker-list10.1.0.10:9092--topicuvpv-demo>{"record_type":0,"user_id":2,"client_ip":"100.0.0.2","product_id":101,"create_time":"-09-08 16:20:00"}>{"record_type":0,"user_id":3,"client_ip":"100.0.0.3","product_id":101,"create_time":"-09-08 16:20:00"}>{"record_type":1,"user_id":2,"client_ip":"100.0.0.1","product_id":101,"create_time":"-09-08 16:20:00"}
2)使用脚本发送
脚本一:Java 代码参考:/document/product/597/54834
脚本二:Python 脚本。参考之前案例中 python 脚本进行适当修改即可:
《视频直播:实时数据可视化分析》
2.5 打通自建 IDC 集群到腾讯云网络通信
自建 Kafka 集群联通腾讯云网络,可通过以下前 3 种方式打通自建 IDC 到腾讯云的网络通信。
专线接入
/document/product/216
适用于本地数据中心 IDC 与腾讯云网络打通。
云联网
/document/product/877
适用于本地数据中心 IDC 与腾讯云网络打通,也可用于云上不同地域间私有网络 VPC 打通。
VPN连接
/document/product/554
适用于本地数据中心 IDC 与腾讯云网络打通。
对等连接+ NAT网关
对等连接:/document/product/553
NAT网关:/document/product/552
适合云上不同地域间私有网络 VPC 打通,不适合本地 IDC 到腾讯云网络。
本方案中使用了 VPN 连接的方式,实现本地 IDC 和云上网络的通信。参考链接:
建立 VPC 到 IDC 的连接(路由表)(/document/product/554/52854)
根据方案绘制了下面的网络架构图:
三 方案实现
3.1 业务目标
利用流计算 Oceanus 实现网站 UV、PV、转化率指标的实时统计,这里只列取以下3种统计指标:
网站的独立访客数量 UV。Oceanus 处理后在 Redis 中通过 set 类型存储独立访客数量,同时也达到了对同一访客的数据去重的目的。
网站商品页面的点击量 PV。Oceanus 处理后在 Redis 中使用 list 类型存储页面点击量。
转化率(转化率 = 成交次数 / 点击量)。Oceanus 处理后在 Redis 中用 String 存储即可。
3.2 源数据格式
Kafka topic:uvpv-demo(浏览记录)
Kafka 内部采用 json 格式存储,数据格式如下:
# 浏览记录{"record_type":0, # 0 表示浏览记录"user_id":6,"client_ip":"100.0.0.6","product_id":101,"create_time":"-09-06 16:00:00"}# 购买记录{"record_type":1,# 1 表示购买记录"user_id":6,"client_ip":"100.0.0.8","product_id":101,"create_time":"-09-08 18:00:00"}
3.3 编写 Flink SQL 作业
示例中实现了 UV、PV 和转化率3个指标的获取逻辑,并写入 Sink 端。
1、定义 Source
CREATETABLE`input_web_record` (`record_type`INT,`user_id`INT,`client_ip`VARCHAR,`product_id`INT,`create_time`TIMESTAMP,`times`AScreate_time,WATERMARK FOR timesAStimes - INTERVAL'10'MINUTE) WITH ('connector'='kafka', -- 可选 'kafka','kafka-0.11'. 注意选择对应的内置 Connector'topic'='uvpv-demo', 'scan.startup.mode'='earliest-offset',--'properties.bootstrap.servers' = '82.157.27.147:9092','properties.bootstrap.servers'='10.1.0.10:9092', 'properties.group.id'='WebRecordGroup', -- 必选参数, 一定要指定 Group ID'format'='json','json.ignore-parse-errors'='true', -- 忽略 JSON 结构解析异常'json.fail-on-missing-field'='false'-- 如果设置为 true, 则遇到缺失字段会报错 设置为 false 则缺失字段设置为 null);
2、定义 Sink
-- UV sinkCREATETABLE`output_uv` ( `userids` STRING,`user_id` STRING) WITH ('connector'='redis','command'='sadd', -- 使用集合保存uv(支持命令:set、lpush、sadd、hset、zadd)'nodes'='192.28.28.217:6379', -- redis连接地址,集群模式多个节点使用'',''分隔。-- 'additional-key' = '<key>', -- 用于指定hset和zadd的key。hset、zadd必须设置。'password'='yourpassword');-- PV sinkCREATETABLE`output_pv` ( `pagevisits` STRING,`product_id` STRING,`hour_count`BIGINT) WITH ('connector'='redis','command'='lpush', -- 使用列表保存pv(支持命令:set、lpush、sadd、hset、zadd)'nodes'='192.28.28.217:6379', -- redis连接地址,集群模式多个节点使用'',''分隔。-- 'additional-key' = '<key>', -- 用于指定hset和zadd的key。hset、zadd必须设置。'password'='yourpassword');-- 转化率 sinkCREATETABLE`output_conversion_rate` ( `conversion_rate` STRING,`rate` STRING) WITH ('connector'='redis', 'command'='set', -- 使用列表保存pv(支持命令:set、lpush、sadd、hset、zadd)'nodes'='192.28.28.217:6379',-- redis连接地址,集群模式多个节点使用'',''分隔。-- 'additional-key' = '<key>', -- 用于指定hset和zadd的key。hset、zadd必须设置。'password'='yourpassword');
3、业务逻辑
-- 加工得到 UV 指标,统计所有时间内的 UVINSERTINTOoutput_uvSELECT'userids'AS`userids`,CAST(user_idASstring)ASuser_idFROMinput_web_record ;-- 加工并得到 PV 指标,统计每 10 分钟内的 PVINSERTINTOoutput_pvSELECT'pagevisits'ASpagevisits,CAST(product_idASstring)ASproduct_id,SUM(product_id)AShour_countFROMinput_web_recordWHERErecord_type =0GROUPBYHOP(times, INTERVAL'5'MINUTE, INTERVAL'10'MINUTE),product_id,user_id;-- 加工并得到转化率指标,统计每 10 分钟内的转化率INSERTINTOoutput_conversion_rateSELECT'conversion_rate'ASconversion_rate,CAST( (((SELECTCOUNT(1)FROMinput_web_recordWHERErecord_type=0)*1.0)/SUM(a.product_id))asstring)FROM(SELECT*FROMinput_web_recordwhererecord_type =1)ASaGROUPBYHOP(times, INTERVAL'5'MINUTE, INTERVAL'10'MINUTE),product_id;
3.4 结果验证
通常情况,会通过 Web 网站来展示统计到的 UV、PV 指标,这里为了简单直接在Redis 控制台(https://console./redis#/)登录进行查询:
userids: 存储 UV
pagevisits: 存储 PV
conversion_rate: 存储转化率,即购买商品次数/总页面点击量。
四 总结
通过自建 Kafka 集群采集数据,在流计算 Oceanus (Flink) 中实时进行字段累加、窗口聚合等操作,将加工后的数据存储在云数据库Redis,统计到实时刷新的 UV、PV 等指标。这个方案在 Kafka json 格式设计时为了简便易懂做了简化处理,将浏览记录和产品购买记录都放在了同一个 topic 中,重点通过打通自建 IDC 和腾讯云产品间的网络来展现整个方案。针对超大规模的 UV 去重,微视的同事采用了 Redis hyperloglog 方式来实现 UV 统计。相比直接使用 set 类型方式有极小的内存空间占用的优点,详情见链接:/developer/article/1889162。
流计算 Oceanus限量秒杀专享活动火爆进行中↓↓
点击文末「阅读原文」,了解腾讯云流计算 Oceanus 更多信息~
腾讯云大数据
长按二维码
关注我们