flink 实现 dau 去重(1)，这篇文章可以满足你80%日常工作

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

object DauFirstInfo{
def main(args: Array[String]):Unit = {
// 定义环境变量，创建消费环境配置
val testDauGroupId = “test_daufirstinfo_20240303”
val source_kafka_host = ConfigHelper.getBootStrapServers(Config.TEST_SOURCE_KAFKA,Region.TEST_CLUSTER.getName())
val testTopicProprties:Properties = KafkaConnector.createConsumerProperties(source_kafka_host,testDauGroupId)
val testConsumer = KafkaConnector.createStringSource(Config.TEST_SOURCE_KAFKA,testTopicProprties)
val env:StreamExecutionEnvironment = StreamingUtils.getStreamExecutionment

	env.getCheckpointConfig.setMaxConcurrentCheckpoints(1)
	val dataStream = env
	.addSource(testConsumer).uid("xxx").name("xxx")
	// 筛选出有设备 id + 启动时间的日志（有效日志）
	.flatMap(new RichFlatMapFunction[String,String]){
		override def flatMap(in:String,collector:Collector[String]): Unit = {
			val sourceObject: JsonObject = new JsonParser().parse(in).getJsonObject()
			if(StringUnits.isNotBlank(sourceObject.get("shebei\_id").getAsString) && sourceObject.get("qidong\_timestamp").getAsLong){
			collector.collect(in)
			}
		}
	}).uid("map\_valid\_info").name("map\_valid\_info")
	//找出标识 dau 的key：设备id+当天日期
	.keyBy(new KeySelector[String,String]{
		override def getKey(value:String):String = {
			val sourceObject: JsonObject = new JsonParser().parse(in).getJsonObject()
			sourceObject.get("sheibei\_id").getAsString + DateFormatUtils.format(sourceObject.get("qidong\_timestamp").getAsLong,"yyyy-MM-dd")
		}
	})
	//将 key 存在状态里面，进行判断
	.flatMap(new FirstNotBlankDauProcess()).uid("first\_dau\_state").name("first\_dau\_state")
	//设置处理的并发度
	.setMaxParallelism(100)
	//设置产出的环境变量
	val sink_kafka_host:String = Confighelper.getBootstrapServers(CommonConfig.TEST_SINK_KAFKA,Region.TEST_CLUSTER.getName())
	val props: Properties = new Properties()
	props.put("bootstrap.servers",sink_kafka_host)
	props.put("request.timeout.ms",200000)
	val kafkaProducer: FlinkKafkaProducer[String] = kafkaConnector.createStringSink(Commonfig.TEST_SINK_KAFKA,props)
	dataStream.addSink(kafkaProducer).uid("sink\_id").name("sink\_name").setParallelism(30)
	env.execute("ValidDauJob")
}

}

// 状态变量去重逻辑
class FirstNotBlankDauProcess extends RichFlatMapFunction[String,String]{
var clientState : ValueState[Integer] = _
override def open(parameters: Configuration): Unit = {
super.open(parameters)
val stateTtlConfig: StateTtlConfig = StateTtlConfig
.newBulider(Time.minutes(1560))
.useProcessingTime()
.setUpdateType(StateTtlConfig.UpdateType.OnCreateAndWrite)
.setStateVisibility(StateTtlConfig.StateVisibility.ReturnExpiredIfNotCleanedUp)
.bulid

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**