AI 助理
备案控制台
文档
输入文档关键字查找
首页 开源大数据平台 E-MapReduce EMR on ECS 操作指南 组件操作 StarRocks 最佳实践 数仓场景：即席查询

数仓场景：即席查询

更新时间：
产品详情
我的收藏

本文通过示例为您介绍如何基于StarRocks的视图能力构建数仓场景-即席查询解决方案。

前提条件

  • 已创建DataFlow或自定义集群，具体操作请参见创建集群。

  • 已创建StarRocks集群，具体操作请参见创建StarRocks集群。

  • 已创建RDS MySQL，具体操作请参见快速创建RDS MySQL实例。

    说明

    本文示例中DataFlow集群为EMR-3.42.0版本、StarRocks集群为EMR-5.8.0版本，MySQL为5.7版本。

使用限制

  • DataFlow集群、StarRocks集群和RDS MySQL实例需要在同一个VPC下，并且在同一个可用区下。

  • DataFlow集群和StarRocks集群均须开启公网访问。

  • RDS MySQL为5.7及以上版本。

注意事项

本文档仅供测试使用，生产级别的Flink作业请使用阿里云实时计算Flink版产品进行配置，或者使用YARN或者Kubernetes提交作业。

详情请参见Apache Hadoop YARN和Native Kubernetes。

场景介绍

随着向量化、CBO（Cost Based Optimizer，基于代价的优化器）、单机多核调度等技术的应用，StarRocks的计算能力逐步提升。很多时候您在使用StarRocks进行数仓分层建模时，大部分将数据建模到DWD层（基础整合层）或DWS层（维度宽度）。在实际业务中，运用StarRocks的计算能力，可以直接查询DWD或DWS层数据，还可以灵活地交互式即席查询。

方案架构

使用StarRocks实现数仓场景即席查询的基本架构如下图所示。架构图

整体数据流如下：

  1. Flink清洗导入Kafka的日志或者通过Flink-CDC-StarRocks工具读取MySQL Binlog导入StarRocks。根据需要选用明细、聚合、更新或主键各种模型，只物理落地ODS层（格式整理层）。

  2. 向上采用StarRocks View视图能力，利用StarRocks向量化极速查询和CBO优化器满足多表关联、嵌套子查询等复杂SQL，查询时现场计算指标结果，保证指标上卷和下钻高度同源一致。

方案特点

该方案主要特点是，计算逻辑在StarRocks侧（现场查询），适用于业务库高频数据更新的场景，实体数据只在ODS或DWD层存储。

  • 方案优势

    • 灵活性强，可随时根据业务逻辑调整View。

    • 指标修改简单，上层都是View逻辑封装，只需要更新底表数据。

  • 方案缺点

    当View的逻辑较为复杂，数据量较多时，查询性能较低。

  • 适用场景

    • 数据来源于数据库和埋点系统，适合对QPS要求不高，对灵活性要求比较高，且计算资源较为充足的场景。

    • 实时要求非常高，要求写入即可查，更新即反馈。适合有即席查询需求，且资源较为充足，查询复杂度较低的场景。

操作流程

示例操作如下：

  1. 步骤一：创建MySQL源数据表

  2. 步骤二：创建StarRocks表

  3. 步骤三：执行Flink任务，启动数据流

  4. 步骤四：场景演示

步骤一：创建MySQL源数据表

  1. 创建测试的数据库和账号，具体操作请参见创建数据库和账号。

    创建完数据库和账号后，需要授权测试账号的读写权限。

    说明

    本文示例中创建的数据库名称为flink_cdc，账号为emr_test。

  2. 使用创建的测试账号连接MySQL实例，具体操作请参见通过DMS登录RDS MySQL。

  3. 执行以下命令，创建数据表orders。

    CREATE TABLE flink_cdc.orders (
    order_id INT NOT NULL AUTO_INCREMENT,
    order_revenue FLOAT NOT NULL,
    order_region VARCHAR(40) NOT NULL,
    customer_id INT NOT NULL,
    PRIMARY KEY (order_id)
);

  4. 执行以下命令，创建数据表customers。

    CREATE TABLE flink_cdc.customers (
    customer_id INT NOT NULL,
    customer_age INT NOT NULL,
    customer_name VARCHAR(40) NOT NULL,
    PRIMARY KEY (customer_id)
);

步骤二：创建StarRocks表

  1. 使用SSH方式登录StarRocks集群，详情请参见登录集群。

  2. 执行以下，连接StarRocks集群。

    mysql -h127.0.0.1 -P 9030 -uroot

  3. 执行以下命令，创建数据库。

    CREATE DATABASE IF NOT EXISTS `flink_cdc`;

  4. 执行以下命令，创建数据表customers。

    CREATE TABLE IF NOT EXISTS `flink_cdc`.`customers` (
  `customer_id` INT NOT NULL  COMMENT "",
  `customer_age` FLOAT NOT NULL  COMMENT "",
  `customer_name` STRING NOT NULL  COMMENT ""
) ENGINE=olap
PRIMARY KEY(`customer_id`)
COMMENT ""
DISTRIBUTED BY HASH(`customer_id`) BUCKETS 1
PROPERTIES (
  "replication_num" = "1"
);

  5. 执行以下命令，创建数据表orders。

    CREATE TABLE IF NOT EXISTS `flink_cdc`.`orders` (
  `order_id` INT NOT NULL  COMMENT "",
  `order_revenue` FLOAT NOT NULL  COMMENT "",
  `order_region` STRING NOT NULL  COMMENT "",
  `customer_id` INT NOT NULL  COMMENT ""
) ENGINE=olap
PRIMARY KEY(`order_id`)
COMMENT ""
DISTRIBUTED BY HASH(`order_id`) BUCKETS 1
PROPERTIES (
  "replication_num" = "1"
);

  6. 执行以下命令，基于ODS表创建DWD视图。

    CREATE VIEW flink_cdc.dwd_order_customer_valid (
  order_id,
  order_revenue,
  order_region,
  customer_id,
  customer_age,
  customer_name
)
AS
SELECT o.order_id, o.order_revenue, o.order_region, c.customer_id, c.customer_age, c.customer_name
FROM flink_cdc.customers c JOIN flink_cdc.orders o
ON c.customer_id=o.customer_id
WHERE c.customer_id != -1;

  7. 执行以下命令，基于DWD表创建DWS视图。

    CREATE VIEW flink_cdc.dws_agg_by_region (
  order_region,
  order_cnt,
  order_total_revenue)
AS
SELECT order_region, count(order_region), sum(order_revenue)
FROM flink_cdc.dwd_order_customer_valid
GROUP BY order_region;

步骤三：执行Flink任务，启动数据流

  1. 下载Flink CDC connector和Flink StarRocks Connector，并上传到DataFlow集群的/opt/apps/FLINK/flink-current/lib目录下。

  2. 使用SSH方式登录DataFlow集群，详情请参见登录集群。

  3. 添加端口配置，并修改并行执行的任务槽数量。

    1. 执行以下命令，编辑文件flink-conf.yaml。

      vim /etc/taihao-apps/flink-conf/flink-conf.yaml

    2. 添加以下内容至文件最后一行。

      rest.port: 8083

    3. 在同一个配置文件中，修改参数taskmanager.numberOfTaskSlots的值为3。

      说明

      默认情况下，taskmanager.numberOfTaskSlots配置项的值为1，这意味着TaskManager只能并行执行一个作业。鉴于后续demo.sql中包含了两个作业，为了确保所有作业能并行运行，建议增加taskmanager.numberOfTaskSlots的值至少为2。

  4. 执行以下命令，启动集群。

    重要

    本文示例仅供测试，如果是生产级别的Flink作业请使用YARN或Kubernetes方式提交，详情请参见Apache Hadoop YARN和Native Kubernetes。

    /opt/apps/FLINK/flink-current/bin/start-cluster.sh

  5. 编写Flink SQL作业，并保存为demo.sql。

    执行以下命令，编辑demo.sql文件。

    vim demo.sql

    文件内容如下所示。

    CREATE DATABASE IF NOT EXISTS `default_catalog`.`flink_cdc`;

CREATE TABLE IF NOT EXISTS `default_catalog`.`flink_cdc`.`customers_src` (
  `customer_id` INT NOT NULL,
  `customer_age` FLOAT NOT NULL,
  `customer_name` STRING NOT NULL,
  PRIMARY KEY(`customer_id`)
 NOT ENFORCED
) with (
  'connector' = 'mysql-cdc',
  'hostname' = 'rm-2ze8398257383****.mysql.rds.aliyuncs.com',
  'port' = '3306',
  'username' = 'emr_test',
  'password' = 'Yz12****',
  'database-name' = 'flink_cdc',
  'table-name' = 'customers'
);

CREATE TABLE IF NOT EXISTS `default_catalog`.`flink_cdc`.`customers_sink` (
  `customer_id` INT NOT NULL,
  `customer_age` FLOAT NOT NULL,
  `customer_name` STRING NOT NULL,
  PRIMARY KEY(`customer_id`)
 NOT ENFORCED
) with (
  'load-url' = '10.0.**.**:8030',
  'database-name' = 'flink_cdc',
  'jdbc-url' = 'jdbc:mysql://10.0.**.**:9030',
  'sink.buffer-flush.interval-ms' = '15000',
  'sink.properties.format' = 'json',
  'username' = 'root',
  'table-name' = 'customers',
  'sink.properties.strip_outer_array' = 'true',
  'password' = '',
  'sink.max-retries' = '10',
  'connector' = 'starrocks'
);
INSERT INTO `default_catalog`.`flink_cdc`.`customers_sink` SELECT * FROM `default_catalog`.`flink_cdc`.`customers_src`;

CREATE TABLE IF NOT EXISTS `default_catalog`.`flink_cdc`.`orders_src` (
  `order_id` INT NOT NULL,
  `order_revenue` FLOAT NOT NULL,
  `order_region` STRING NOT NULL,
  `customer_id` INT NOT NULL,
  PRIMARY KEY(`order_id`)
 NOT ENFORCED
) with (
  'database-name' = 'flink_cdc',
  'table-name' = 'orders',
  'connector' = 'mysql-cdc',
  'hostname' = 'rm-2ze8398257383****.mysql.rds.aliyuncs.com',
  'port' = '3306',
  'username' = 'emr_test',
  'password' = 'Yz12****'
);

CREATE TABLE IF NOT EXISTS `default_catalog`.`flink_cdc`.`orders_sink` (
  `order_id` INT NOT NULL,
  `order_revenue` FLOAT NOT NULL,
  `order_region` STRING NOT NULL,
  `customer_id` INT NOT NULL,
  PRIMARY KEY(`order_id`)
 NOT ENFORCED
) with (
  'sink.properties.strip_outer_array' = 'true',
  'password' = '',
  'sink.max-retries' = '10',
  'connector' = 'starrocks',
  'table-name' = 'orders',
  'jdbc-url' = 'jdbc:mysql://10.0.**.**:9030',
  'sink.buffer-flush.interval-ms' = '15000',
  'sink.properties.format' = 'json',
  'username' = 'root',
  'load-url' = '10.0.**.**:8030',
  'database-name' = 'flink_cdc'
);

INSERT INTO `default_catalog`.`flink_cdc`.`orders_sink` SELECT * FROM `default_catalog`.`flink_cdc`.`orders_src`;

    涉及参数如下所示：

    • 创建数据表customers_src。

      参数

      描述

      connector

      固定值为mysql-cdc。

      hostname

      RDS的内网地址。

      您可以在RDS的数据库连接页面，单击内网地址进行复制。例如，rm-2ze8398257383****.mysql.rds.aliyuncs.com。

      port

      固定值为3306。

      username

      步骤一：创建MySQL源数据表中创建的账号名。本示例为emr_test。

      password

      步骤一：创建MySQL源数据表中创建的账号的密码。本示例为Yz12****。

      database-name

      步骤一：创建MySQL源数据表中创建的数据库名。本示例为flink_cdc。

      table-name

      步骤一：创建MySQL源数据表中创建的数据表。本示例为customers。

    • 创建数据表customers_sink和orders_sink。

      参数

      描述

      load-url

      指定FE的IP地址和HTTP端口，格式为StarRocks集群的内网IP地址:端口。本文以8030端口为例，实际请根据您的集群版本选择访问的端口：

      • 18030：EMR-5.9.0及以上版本、EMR-3.43.0及以上版本。

      • 8030：EMR-5.8.0及以下版本、EMR-3.42.0及以下版本。

      说明

      访问端口详情，请参见UI和端口。

      database-name

      步骤一：创建MySQL源数据表中创建的数据库名。本示例为flink_cdc。

      jdbc-url

      用于在StarRocks中执行查询操作。

      例如，jdbc:mysql://10.0.**.**:9030。其中，10.0.**.**为StarRocks集群的内网IP地址。

      username

      StarRocks连接用户名。固定为root。

      table-name

      本示例固定值为customers。

      connector

      固定值为starrocks。

  6. 执行以下命令，启动Flink任务。

     /opt/apps/FLINK/flink-current/bin/sql-client.sh -f demo.sql

步骤四：场景演示

  1. 使用步骤一：创建MySQL源数据表中创建的测试账号连接MySQL实例，具体操作请参见通过DMS登录RDS MySQL。

  2. 在RDS数据库窗口执行以下命令，向表orders和customers中插入数据。

    INSERT INTO flink_cdc.orders(order_id,order_revenue,order_region,customer_id) VALUES(1,10,"beijing",1);
INSERT INTO flink_cdc.orders(order_id,order_revenue,order_region,customer_id) VALUES(2,10,"beijing",1);
INSERT INTO flink_cdc.customers(customer_id,customer_age,customer_name) VALUES(1, 22, "emr_test");

  3. 使用SSH方式登录StarRocks集群，详情请参见登录集群。

  4. 执行以下，连接StarRocks集群。

    mysql -h127.0.0.1 -P 9030 -uroot

  5. 执行以下命令，查询ODS层数据。

    1. 执行以下命令，查看orders表信息。

      SELECT * FROM flink_cdc.orders;

      返回信息如下所示。

      +----------+---------------+--------------+-------------+
| order_id | order_revenue | order_region | customer_id |
+----------+---------------+--------------+-------------+
|        1 |            10 | beijing      |           1 |
|        2 |            10 | beijing      |           1 |
+----------+---------------+--------------+-------------+

    2. 执行以下命令，查看customers表信息。

      SELECT * FROM flink_cdc.customers;

      返回信息如下所示。

      +-------------+--------------+---------------+
| customer_id | customer_age | customer_name |
+-------------+--------------+---------------+
|           1 |           22 | emr_test      |
+-------------+--------------+---------------+

  6. 执行以下命令，查询DWD层数据。

    SELECT * FROM flink_cdc.dwd_order_customer_valid;

    返回信息如下所示。

    +----------+---------------+--------------+-------------+--------------+---------------+
| order_id | order_revenue | order_region | customer_id | customer_age | customer_name |
+----------+---------------+--------------+-------------+--------------+---------------+
|        1 |            10 | beijing      |           1 |           22 | emr_test      |
|        2 |            10 | beijing      |           1 |           22 | emr_test      |
+----------+---------------+--------------+-------------+--------------+---------------+
2 rows in set (0.00 sec)

  7. 执行以下命令，查询DWS层数据。

    SELECT * FROM flink_cdc.dws_agg_by_region;

    返回信息如下所示。

    +--------------+-----------+---------------------+
| order_region | order_cnt | order_total_revenue |
+--------------+-----------+---------------------+
| beijing      |         2 |                  20 |
+--------------+-----------+---------------------+
1 row in set (0.01 sec)

上一篇：最佳实践下一篇：数仓场景：增量数据实时统计
文档推荐