生产实践 | Flink + 直播（二）| 如何建设实时公共画像维表？

生产实践 | Flink + 直播（二）| 如何建设实时公共画像维表？

❝

本系列每篇文章都是从一些实际生产实践需求出发，解决一些生产实践中的问题，抛砖引玉，以帮助小伙伴们解决一些实际生产问题。本篇文章主要介绍直播间画像实时维表建设的整个过程，如果对小伙伴有帮助的话，欢迎点赞 + 再看~

❞

技术架构

回顾上一节的「技术架构」图。

 

技术架构

整个架构相对来说是比较好理解的。从数据源到数据处理以及最后到数据汇部分。

但是大家的疑惑点可能就集中在三个维表的建设上，包含「主播用户画像维表，观众用户画像维表，直播间画像维表」。

 

技术架构

我们依然从以下几个角度的问题出发，通过分析场景，解答这几个问题来给大家介绍以上三个维表的建设过程。

Question

• 「WHAT：直播实时公共画像维表是指什么？离线公共画像维表又指什么？区别？」

• 「WHY：为什么架构图中的三类公共画像维表要按照实时和离线进行划分？为什么需要建设实时公共画像维表，离线公共画像维表不能满足需求？」

• 「HOW：怎样才能建设满足直播实时数据的实时公共画像维表？」

• 「WHO：需要使用什么样的组件建设直播实时公共画像维表？为什么选用这些组件进行建设？」

WHAT：实时 & 离线公共画像维表？

概念

首先简单介绍下，「实时 & 离线公共画像维表」中存储的内容就是实体的固有属性（比如用户的年龄等），我理解这两个词本身是高层抽象的概念，本文中介绍的「主播用户画像维表，观众用户画像维表，直播间画像维表」是其具体实现。

其他大佬的文章解释中会对「实时公共画像维表」 & 「离线公共画像维表」有更加深度的理解，这里我只说明我在直播实时数据建设过程中的理解~

区别

其实这两个词的区别从名字上就可以区分出来，实时公共画像维表和离线公共画像维表的最大区别就是数据建