用户行为数据通常具有庞大的数据量，存储成本较高，且缺乏统一的格式，导致处理难度较大。常用的宽表模型虽查询效率高，但冗余度高、存储空间大、维护复杂，更新慢。本文基于Flink+MongoDB+Hologres更好地实现宽表的数据分析，以游戏行业的用户行为数据分析为示例，构建用户行为数据宽表进行数据分析的方案。
方案架构和优势
架构
实时计算Flink版是强大的流式计算引擎，支持对海量实时数据高效处理。云数据库MongoDB版是一种文档型的NoSQL数据库，具有数据存储结构灵活、读写性能高、支持复杂的查询条件等特点。实时数仓Hologres是一站式实时数仓，支持数据实时写入与更新，实时数据写入即可查。三者结合相辅相成，能够将复杂多变的数据进行联合计算处理，实现对大型数据即时更新、查询与分析。本文的示例方案架构如下：
MongoDB的业务数据更新后，将数据主键通过消息队列Kafka采用Upsert的方式更新写入。
无论是事实表或维度表的更新，都会将所影响的数据主键通过Flink写入消息队列Kafka。
Flink通过消费消息队列Kafka中的主键信息，根据主键获取MongoDB的完整的业务数据后更新写入到Hologres。
优势
该方案有如下优势：
云数据库MongoDB版适用于高并发读写的场景的分片集群架构，针对高频写入的海量数据，可无限扩展性能及存储空间，解决写入效率低和存储空间不足的问题。
无论是事实表还是维度表的更新，都会让结果表的最新数据进行更新。这一过程确保了数据更新的及时性，并且在处理海量数据时，仅对发生变更的数据进行更新，从而有效解决了更新效率低下的问题。
实时数仓Hologres支持高效更新与修正，写入即可查，由其对外提供宽表模型的数据查询，有效提升数据查询与分析的效率。
实践场景
本文以某游戏厂商为例，实现了将用户在平台上购买游戏的行为数据进行实时预处理并写入Hologres即时查询的业务场景。
game_sales（游戏销售表）
sale_id（销售ID） | game_id（游戏ID） | platform_id（平台ID） | sale_date（销售日期） | units_sold（销售量） | sale_amt（销售金额） | status（逻辑字段） |
game_dimension（游戏维度表）
game_id（游戏ID） | game_name（游戏名称） | release_date（发售日期） | developer（开发者） | publisher（发行商） |
gameplatform_dimension（平台维度表）
platform_id（平台ID） | platform_name（平台名称） | type（终端类型） |
game_sales_details（游戏销售明细表）
sale_id（销售ID） | game_id（游戏ID） | platform_id（平台ID） | sale_date（销售日期） | units_sold（销售量） | sale_amt（销售金额） | status（逻辑字段） |
game_name（游戏名称） | release_date（发售日期） | developer（开发者） | publisher（发行商） | platform_name（平台名称） | type（终端类型） |
方案阐述
在该实时宽表方案中，维表变更（如游戏信息、平台类型更新）能够实时同步到 Hologres 宽表，核心依赖四步链路：
捕获变更：Flink 实时监听 MongoDB 维表的数据变化。
定位影响：通过关联键（如 game_id）查找受影响的事实记录，提取主键（如 sale_id）。
触发重算：将主键写入 Kafka，通知下游作业“哪些数据需要刷新”。
增量更新：下游作业拉取最新数据，重组宽表，并通过 INSERT_OR_UPDATE 模式写入 Hologres。
前提条件
已开通Flink工作空间，仅实时计算引擎VVR 8.0.5及以上版本支持该方案，详情请参见开通实时计算Flink版。
已创建云数据库MongoDB，仅云数据库 MongoDB 4.0及以上版本支持该方案，详情请参见创建MongoDB分片集群实例。
已创建实时数仓Hologres，仅1.3及以上版本的独享Hologres实例支持该方案，详情请参见购买实时数仓Hologres。
已创建消息队列Kafka，详情请参见部署消息队列Kafka实例。
实时计算Flink版、云数据库 MongoDB、实时数仓Hologres和云消息队列Kafka需要在同一VPC下。如果不在同一VPC，需要先打通跨VPC的网络或者使用公网的形式访问，详情请参见如何访问跨VPC的其他服务？和如何访问公网？
通过RAM用户或RAM角色等身份访问对应资源时，需要其具备对应资源的权限。
步骤一：准备数据
在MongoDB创建数据库和三张业务表并插入数据。
登录实例。
在数据管理DMS控制台的SQL Console页面中，创建mongo_test数据库，命令如下：
use mongo_test;在mongo_test数据库创建game_sales（游戏销售表），game_dimension（游戏维度表）和platform_dimension（平台维度表）并插入数据，命令如下：
//游戏销售表（status为逻辑字段，1为存在，0为删除） db.game_sales.insert( [ {sale_id:0,game_id:101,platform_id:1,"sale_date":"2024-01-01",units_sold:500,sale_amt:2500,status:1}, ] ); //游戏维度表 db.game_dimension.insert( [ {game_id:101,"game_name":"SpaceInvaders","release_date":"2023-06-15","developer":"DevCorp","publisher":"PubInc"}, {game_id:102,"game_name":"PuzzleQuest","release_date":"2023-07-20","developer":"PuzzleDev","publisher":"QuestPub"}, {game_id:103,"game_name":"RacingFever","release_date":"2023-08-10","developer":"SpeedCo","publisher":"RaceLtd"}, {game_id:104,"game_name":"AdventureLand","release_date":"2023-09-05","developer":"Adventure","publisher":"LandCo"}, ] ); //平台维度表 db.platform_dimension.insert( [ {platform_id:1,"platform_name":"PCGaming","type":"PC"}, {platform_id:2,"platform_name":"PlayStation","type":"Console"}, {platform_id:3,"platform_name":"Mobile","type":"Mobile"} ] );查询创建的表信息，命令如下：
db.game_sales.find(); db.game_dimension.find(); db.platform_dimension.find();
Hologres创建数据分析宽表。
登录Hologres控制台，在实例列表页面，单击目标实例，单击右上角的登录实例。
单击上方导航栏的新建库，新建数据库名称为test，本示例权限策略选择SPM，详情请参见使用Hologres管理控制台创建数据库。
选择上方导航栏中的SQL编辑器，单击左侧导航栏上方的SQL图标，新建SQL查询，选择对应实例名和数据库，填入下方代码创建销售明细表。
CREATE TABLE game_sales_details( sale_id INT not null primary key, game_id INT, platform_id INT, sale_date VARCHAR(50), units_sold INT, sale_amt INT, status INT, game_name VARCHAR(50), release_date VARCHAR(50), developer VARCHAR(50), publisher VARCHAR(50), platform_name VARCHAR(50), type VARCHAR(50) );
消息队列Kafka创建Topic。
登录Kafka控制台，在实例列表页面，单击目标实例名称。
单击左侧导航栏的白名单管理，添加或修改白名单分组，将Flink工作空间网段设置为白名单。
左侧导航栏选择Topic管理，单击创建Topic，名称为
game_sales_fact，其余选择默认设置，单击确认。
步骤二：创建流作业
作业一：将销售表主键写入消息队列
将销售表和维度表的更新都以销售表的主键（sale_id）写入消息队列Kafka。 销售表的更新直接写入主键（sale_id）。维度表的更新，通过与销售表进行维表JOIN后获取关联的销售表数据的对应主键（sale_id）写入消息队列Kafka。作业流程如下图：
登录实时计算控制台。
单击目标工作空间操作列下的控制台。
在左侧导航栏，单击。
单击
后，单击新建流作业，填写文件名称并选择引擎版本。修改文件名称为dwd_mongo_kafka。
单击创建。
编写作业代码。
下列代码中使用MongoDB连接器创建了源表game_sales，使用Upsert Kafka连接器创建了Kafka的Topic为game_sales_fact。为避免作业中出现明文密码，造成安全隐患，可以参见变量管理来配置密码和地址等变量。
三个INSERT语句分别捕获事实表自身、游戏维度表和平台维度表的变更，通过sale_id将变化实时传递至下游。该设计确保Hologres宽表实现“实时、准确、完整”更新。任一INSERT缺失都将导致对应场景变更遗漏，引发数据滞后或不一致。
//创建游戏销售表 CREATE TEMPORARY TABLE game_sales ( `_id` STRING, --MongoDB自生成Id sale_id INT, --销售Id PRIMARY KEY (_id) NOT ENFORCED ) WITH ( 'connector' = 'mongodb', --使用的连接器 'uri' = '${secret_values.MongoDB-URI}', --MongoDB的URI 'database' = 'mongo_test', --数据库名称 'collection' = 'game_sales' --数据库表名 ); //创建游戏维度表 CREATE TEMPORARY TABLE game_dimension ( `_id` STRING, game_id INT, PRIMARY KEY (_id) NOT ENFORCED ) WITH ( 'connector' = 'mongodb', 'uri' = '${secret_values.MongoDB-URI}', 'database' = 'mongo_test', 'collection' = 'game_dimension' ); //创建平台维度表 CREATE TEMPORARY TABLE platform_dimension ( `_id` STRING, platform_id INT, PRIMARY KEY (_id) NOT ENFORCED ) WITH ( 'connector' = 'mongodb', 'uri' = '${secret_values.MongoDB-URI}', 'database' = 'mongo_test', 'collection' = 'platform_dimension' ); // 创建游戏销售表（维表） CREATE TEMPORARY TABLE game_sales_dim ( `_id` STRING, sale_id INT, game_id INT, platform_id INT, PRIMARY KEY (_id) NOT ENFORCED ) WITH ( 'connector' = 'mongodb', 'uri' = '${secret_values.MongoDB-URI}', 'database' = 'mongo_test', 'collection' = 'game_sales' ); //创建Kafka Topic存储主键信息的事实表（结果表） CREATE TEMPORARY TABLE game_sales_fact ( sale_id INT, PRIMARY KEY (sale_id) NOT ENFORCED ) WITH ( 'connector' = 'upsert-kafka', 'properties.bootstrap.servers' = '${secret_values.Kafka-hosts}', 'topic' = 'game_sales_fact', 'key.format' = 'json', 'value.format' = 'json', 'properties.enable.idempotence' = 'false' --使用阿里云消息队列Kafka，写入结果表需关闭此参数 ); BEGIN STATEMENT SET; // 插入游戏销售表主键 INSERT INTO game_sales_fact ( sale_id ) SELECT sale_id FROM game_sales ; //游戏维度表与游戏销售表关联，有数据更新则将所影响的销售表主键插入Kafka Topic INSERT INTO game_sales_fact ( sale_id ) select gs.sale_id from game_dimension as gd join game_sales_dim FOR SYSTEM_TIME AS OF PROCTIME() as gs on gd.game_id = gs.game_id; //平台维度表与销售表关联，有数据更新则将所影响的销售主键插入Kafka事实表 INSERT INTO game_sales_fact ( sale_id ) select gs.sale_id from platform_dimension as pd join game_sales_dim FOR SYSTEM_TIME AS OF PROCTIME() as gs on pd.platform_id = gs.platform_id; END;说明本示例使用的是Upsert Kafka连接器，以Upsert方式向Kafka写入数据，其与Kafka连接器的区别请参见Kafka、Upsert Kafka或Kafka JSON catalog的选择。
维表JOIN：通常用于使用从外部系统查询的数据来丰富表。join 要求一个表具有处理时间属性，还需要一个强制的相等连接条件，详情请参见维表JOIN语句。在作业中，带有process time属性的FOR SYSTEM_TIME AS OF 子句在确保联接处理game_sales表每一行时，都能与join条件匹配的维表行连接。它还防止连接的维表在未来发生更新时变更连接的结果。强制的连接条件则是gd.game_id = gsf.game_id和pd.platform_id = gsf.platform_id。
单击右上方的部署，单击确认。
更多部署参数详情请参见部署作业。
作业二：消费主键信息同步更新Hologres明细表
消费Kafka Topic当中的主键信息（sale_id），通过三个维表Join操作得到销售明细信息，写入最终的明细表。作业流程如下图：
参考作业一新建并部署作业（dws_kafka_mongo_holo）。下列代码中使用Hologres连接器创建了结果表game_sales_details。
通过消费Kafka中的sale_id，基于主键实时关联三张维度表，利用FOR SYSTEM_TIME AS OF PROCTIME() 实现变更数据的动态捕获与快照关联，将最新维度信息与事实数据拼接后写入Hologres宽表。该JOIN逻辑确保了宽表能实时、完整地反映事实表与维度表的最新状态，支撑“实时、准确、完整”的数据融合与更新。
//创建Kafka Topic存储主键的事实表，消费主键信息
CREATE TEMPORARY TABLE game_sales_fact
(
sale_id INT
,PRIMARY KEY (sale_id) NOT ENFORCED
)
WITH (
'connector' = 'upsert-kafka'
,'properties.bootstrap.servers' = '${secret_values.Kafka-hosts}'
,'topic' = 'game_sales_fact'
,'key.format' = 'json'
,'value.format' = 'json'
,'properties.group.id' = 'game_sales_fact'
,'properties.auto.offset.reset' = 'earliest'
);
//游戏销售表（维表）
CREATE TEMPORARY TABLE game_sales
(
`_id` STRING,
sale_id INT,
game_id INT,
platform_id INT,
sale_date STRING,
units_sold INT,
sale_amt INT,
status INT,
PRIMARY KEY (_id) NOT ENFORCED
)
WITH (
'connector' = 'mongodb',
'uri' = '${secret_values.MongoDB-URI}',
'database' = 'mongo_test',
'collection' = 'game_sales'
);
//游戏维度表（维表）
CREATE TEMPORARY TABLE game_dimension
(
`_id` STRING,
game_id INT,
game_name STRING,
release_date STRING,
developer STRING,
publisher STRING,
PRIMARY KEY (_id) NOT ENFORCED
)
WITH (
'connector' = 'mongodb',
'uri' = '${secret_values.MongoDB-URI}',
'database' = 'mongo_test',
'collection' = 'game_dimension'
);
//平台维度表（维表）
CREATE TEMPORARY TABLE platform_dimension
(
`_id` STRING
,platform_id INT
,platform_name STRING
,type STRING
,PRIMARY KEY (_id) NOT ENFORCED
)
WITH (
'connector' = 'mongodb',
'uri' = '${secret_values.MongoDB-URI}',
'database' = 'mongo_test',
'collection' = 'platform_dimension'
);
//游戏销售明细表（结果表）
CREATE TEMPORARY TABLE IF NOT EXISTS game_sales_details
(
sale_id INT,
game_id INT,
platform_id INT,
sale_date STRING,
units_sold INT,
sale_amt INT,
status INT,
game_name STRING,
release_date STRING,
developer STRING,
publisher STRING,
platform_name STRING,
type STRING,
PRIMARY KEY (sale_id) NOT ENFORCED
)
WITH (
// 下列参数采用了VVR11版本的参数配置
'connector' = 'hologres',
'dbname' = 'test', --Hologres的数据库名称
'tablename' = 'public.game_sales_details', --Hologres用于接收数据的表名称
'username' = '${secret_values.AccessKeyID}', --当前阿里云账号的AccessKey ID
'password' = '${secret_values.AccessKeySecret}', --当前阿里云账号的AccessKey Secret
'endpoint' = '${secret_values.Hologres-endpoint}', --当前Hologres实例VPC网络的Endpoint
'sink.delete-strategy'='IGNORE_DELETE', -- 撤回消息的处理策略，IGNORE_DELETE适用于仅需插入或更新数据，而无需删除数据的场景
'sink.on-conflict-action'='INSERT_OR_UPDATE', -- 更新模式。宽表merge需要开启此参数，实现部分列更新。
'sink.partial-insert.enabled'='true'
);
INSERT INTO game_sales_details (
sale_id,
game_id,
platform_id,
sale_date,
units_sold,
sale_amt,
status,
game_name,
release_date,
developer,
publisher,
platform_name,
type
)
select
gsf.sale_id,
gs.game_id,
gs.platform_id,
gs.sale_date,
gs.units_sold,
gs.sale_amt,
gs.status,
gd.game_name,
gd.release_date,
gd.developer,
gd.publisher,
pd.platform_name,
pd.type
from game_sales_fact as gsf
join game_sales FOR SYSTEM_TIME AS OF PROCTIME() as gs
on gsf.sale_id = gs.sale_id
join game_dimension FOR SYSTEM_TIME AS OF PROCTIME() as gd
on gs.game_id = gd.game_id
join platform_dimension FOR SYSTEM_TIME AS OF PROCTIME() as pd
on gs.platform_id = pd.platform_id;步骤三：启动作业
完成两个作业开发部署后，在左侧导航选择，启动两个作业。
作业运行后，前往Hologres控制台，对明细表game_sales_details进行查询。
SELECT * FROM game_sales_details;此时game_sales_details表中插入了一条数据。
步骤四：数据更新和查询
对于销售表和维度表的数据变更，能直接更新反馈到明细表上进行查询分析。下面将列举几种常见的数据变更操作，以展示Hologres宽表数据实时更新的情况。
销售表数据变更
对MongoDB的game_sales表插入五条数据，并观察Hologres的game_sale_details表的结果。
db.game_sales.insert( [ {sale_id:1,game_id:101,platform_id:1,"sale_date":"2024-01-01",units_sold:500,sale_amt:2500,status:1}, {sale_id:2,game_id:102,platform_id:2,"sale_date":"2024-08-02",units_sold:400,sale_amt:2000,status:1}, {sale_id:3,game_id:103,platform_id:1,"sale_date":"2024-08-03",units_sold:300,sale_amt:1500,status:1}, {sale_id:4,game_id:101,platform_id:3,"sale_date":"2024-08-04",units_sold:200,sale_amt:1000,status:1}, {sale_id:5,game_id:104,platform_id:2,"sale_date":"2024-08-05",units_sold:100,sale_amt:3000,status:1} ] );查询Hologres的game_sale_details表，可以看到，该表增加了五条相应的数据。
将MongoDB表game_sales中sale_date=2024-01-01的数据均修改为2024-08-01。
db.game_sales.updateMany({"sale_date": "2024-01-01"}, {$set: {"sale_date": "2024-08-01"}});查询Hologres的game_sale_details表，可以看到，该表中sale_date=2024-01-01的数据都被修改成2024-08-01了。
对MongoDB的game_sales表进行逻辑删除，将sale_id=5的数据中的status字段改为0。
db.game_sales.updateMany({"sale_id": 5}, {$set: {"status": 0}});查询Hologres的game_sale_details表，可以看到，该表中sale_id=5的数据中的status字段值被修改成0，实现了逻辑删除。
维度表数据变更
对MongoDB的game_dimension表和platform_dimension表插入数据，插入新的游戏和新的平台数据。
//游戏维度表 db.game_dimension.insert( [ {game_id:105,"game_name":"HSHWK","release_date":"2024-08-20","developer":"GameSC","publisher":"GameSC"}, {game_id:106,"game_name":"HPBUBG","release_date":"2018-01-01","developer":"BLUE","publisher":"KK"} ] ); //平台维度表 db.platform_dimension.insert( [ {platform_id:4,"platform_name":"Steam","type":"PC"}, {platform_id:5,"platform_name":"Epic","type":"PC"} ] );新增游戏数据和新增平台数据，并不会增加明细表数据。用户需要产生购买或者下载行为才可以，所以继续添加game_sales表的数据。
// 游戏销售表 db.game_sales.insert( [ {sale_id:6,game_id:105,platform_id:4,"sale_date":"2024-09-01",units_sold:400,sale_amt:2000,,status:1}, {sale_id:7,game_id:106,platform_id:1,"sale_date":"2024-09-01",units_sold:300,sale_amt:1500,,status:1} ] );而后查询Hologres的game_sale_details表，可以看到，明细表新增了两条关于新游戏和新平台的数据记录。
对MongoDB的game_dimension表和platform_dimension表更新数据，更新游戏信息和平台信息。
//更新开发日期 db.game_dimension.updateMany({"release_date": "2018-01-01"}, {$set: {"release_date": "2024-01-01"}}); //更新平台类型 db.platform_dimension.updateMany({"type": "PC"}, {$set: {"type": "Swich"}});而后查询Hologres的game_sale_details表，可以看到相关信息的变更，开发日期和平台类型都被实时更新了。
