生产实践 | Flink + 直播（三）| 如何建设当前正在直播 xx 数？

❝

本系列每篇文章都是从一些实际的 case 出发，分析一些生产环境中经常会遇到的问题，抛砖引玉，以帮助小伙伴们解决一些实际问题。本篇文章是「直播实时数据建设」系列的第三篇，主要介绍直播间生产侧指标的建设过程，如果对小伙伴有帮助的话，欢迎点赞 + 再看~

❞

整体架构

本文是「直播实时数据建设」系列的第三篇，主要介绍「生产侧指标的建设」，比如当前正在直播直播间数，或者主播数等。在介绍生产侧指标的建设过程之前，先回顾下上一节的「架构」图。

架构

而本篇要介绍的「生产侧指标」的数据链路主要对应以下几个模块。

• 数据源：读取直播生产，比如开播，关播等 kafka 数据源日志；

• 数据处理：使用生产侧数据源 + 实时画像维表 + flink 建设生产侧实时指标；

• 数据汇：将处理完成的指标数据写入到 kafka 中。

图中「标红」模块为生产侧指标的数据链路涉及到的模块。用另一张图进行了标注。

生产侧架构

其中直播间实时画像维表的介绍已经在上节进行了介绍，感兴趣的话可以点击以下链接，跳转到上节进行阅读~

生产实践 | Flink + 直播（二）| 如何建设实时公共画像维表？

本小节就不针对「生产侧指标的建设」中所有涉及指标的建设过程进行详细介绍了，主要以「当前分钟正在开播直播间数」作为「生产侧指标建设」的一个代表性案例，介绍这个指标的整个建设过程。来为大家还原生产侧指标的业务过程以及技术方案。

Question

仍然从几个问题入手，介绍「当前分钟正在开播直播间数」的建设过程。

• 「当前分钟正在开播直播间数」的定义什么？业务过程是怎么样的？举例？

• 怎样去建设这个指标？整体的指标计算流程？

1.聊聊定义？

当前分钟正在开播直播间数，其定义就是整个平台中，当前分钟正在开播的直播间数 + 单层维度下钻的当前分钟正在开播的直播间数。

举例：

现在的时间点是 2020-11-11 12:42，当前分钟直播的直播间数为 3000 个（其中根据平台维度下钻得到：IOS 平台为 1500，安卓平台为 1500）

到了 12:43 时，有 200 个直播间进行了关播（其中 100 个为 IOS，100 个为安卓），有 100 个直播间开播（全部为 IOS），则当前分钟正在直播的直播间数为 2900（根据平台维度下钻得到：IOS 平台为 1500，安卓平台为 1400）。

其中 2020-11-11 12:42 的 3000 以及 2020-11-11 12:43 的 2900 以及按照平台下钻的数值就为当前时间正在开播的直播间数，也就是最终产出的结果。

根据上述定义和分析，可以明确整个过程中涉及到的数据源和数据汇的 schema 信息。

数据源 schema

数据源 schema 如下。

字段	备注
live_stream_id	直播间 id
author_id	主播 id
start_or_end	开播还是关播
timestamp	时间戳
...	...

数据汇 schema

根据整体处理过程以及最终想要获取的结果，将数据汇 schema 信息确定如下。

字段	备注
timestamp	时间戳，汇总到分钟粒度
metric_name	指标名，举例：开播直播间数
metric_value	指标值，举例：3000（开播直播间数）
dim_name	维度名，举例：平台，版本
dim_value	维度值，举例：IOS，8.1
...	...

❝

Notes:

「metric_name 和 metric_value」：

这两个字段是为了之后进行指标扩充时进行的设计。比如后续如果需要加入开播主播数，开播时长等指标，不用修改数据汇 schema，只需要加一种 metric_name，就可以使用原有 schema 进行数据产出。

「dim_name 和 dim_value」：

目前建设的指标只提供了进行单维度下钻的能力，所以设计了 dim_name 和 dim_value 两个字段，可满足用户查看平台为 IOS 的当前开播直播间数或者使用开播软件版本为 8.1 的当前开播直播间数。如果后续业务场景需要多维下钻能力，可以在字段上面进行扩充。或者也可以提供明细数据在 OLAP 中进行多维下钻。

❞

2.怎样建设？

对于当前分钟正在开播直播间数来说，其计算方式很简单，就是下面这个数学公式：

「当前分钟正在开播直播间数」 = 「上一分钟正在开播直播间数」 + 「当前分钟开播直播间数」 - 「当前分钟关播直播间数」

目前我们已经有了计算的公式，那么就可以详细分析下指标的计算处理逻辑。并且还可以获取到另一个信息，对于当前分钟正在开播直播间数的计算来说，是依赖上下文信息的，即「上一分钟正在开播直播间数」，这也就是「状态」。

首先介绍指标处理逻辑。

指标处理逻辑

从获取到数据源，到产出指标的整体处理逻辑如下图所示。这里就不使用文字进行赘述了。

数据流转

其中标为「粉色」的模块为任务中的「状态」，即任务中一直存储的当前分钟正在开播直播间数。

状态

既然涉及到了状态，那么这里就展开介绍一下我对「状态」的理解。如有错误，请在文末讨论中进行指出，我会和大家讨论。

状态其实就是一个记录上下文信息的东西，如果当前的计算过程依赖到上次计算的结果，那么上次计算的结果就是状态。举几个????；

• 「流处理」：如本节介绍的「当前分钟正在开播直播间数」的计算，就是依赖上一分钟的正在开播直播间数（「状态」）进行的计算。可能有小伙伴会说，能不能不依赖上一分钟，从头开始计算可以不？答案是可以的，但是从头开始计算，也需要将所有历史数据进行存储，这些历史数据其实也就是状态，只不过我们将其优化为了上一分钟开播直播间数。

• 「批处理」：今天的全量表 = 昨天全量表（「状态」） + 今天的增量表。

• 「数据库存储」：最常见的 mysql 主键自增，unique key 等。为什么新插入一条数据主键会自增？因为 mysql 存储了主键的上一个值（「状态」）。为什么插入相同数据时，由于 unique key 会导致报错，就是因为 mysql 存储了所有 unique key 的字段的数据（「状态」）。

• 「生活」：当前的手机电量 = 上一分钟的手机电量（「状态」） + （充电/用电量）。为什么你越来越喜欢你的另一半？因为你对她的感觉 = 前一秒你对她的感觉（「状态」）+ 当前这一秒她亲了你一下。

生活中随处可见「状态」，即使不是程序员，我相信也都可以理解「状态」的概念。

指标计算代码示例

实现方式举例如下。

public class LiveStreamRealtimeMetricProdProcessorJob {

    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream<SourceModel> source = SourceFactory.getSourceDataStream(...);

        DataStream<SinkModel> result = source
                .keyBy(new KeySelector<SourceModel, Long>() {
                    @Override
                    public Long getKey(SourceModel commonModel) throws Exception {
                        return commonModel.getLiveStreamId() % 1000;
                    }
                })
                .timeWindow(Time.seconds(60))
                .process(new ProcessWindowFunction<SourceModel, SinkModel, Long, TimeWindow>() {

                    private ValueState<Long> playingLiveStreamNumberValueState;

                    @Override
                    public void open(Configuration parameters) throws Exception {
                        super.open(parameters);
                        this.playingLiveStreamNumberValueState = getRuntimeContext().getState(...);
                    }

                    @Override
                    public void process(Long bucket, Context context, Iterable<SourceModel> iterable,
                            Collector<SinkModel> collector) throws Exception {
                        Long playingLiveStreamNumber = this.playingLiveStreamNumberValueState.value();

                        if (null == playingLiveStreamNumber) {
                            playingLiveStreamNumber = 0L;
                        }

                        List<SourceModel> sourceModels = (List<SourceModel>) iterable;

                        for (SourceModel sourceModel : sourceModels) {
                            if (BizType.I == sourceModel.getBizType()) {
                                playingLiveStreamNumber++;
                            } else {
                                playingLiveStreamNumber--;
                            }
                        }

                        this.playingLiveStreamNumberValueState.update(playingLiveStreamNumber);

                        collector.collect(
                                SinkModel.builder().build()
                        );
                    }
                });

        SinkFactory.setSinkDataStream(...);

        env.execute();
    }

    @Data
    @Builder
    static class SourceModel {
        // 直播间id
        private Long liveStreamId;
        // 开播时间，关播时间
        private Long time;
        // 主播id
        private Long authorId;
        // binlog 时间戳
        private long binlogTimestamp;
        // 开播，关播
        private BizType bizType;
    }

    enum BizType {
        I, // 开播
        D, // 关播
        ;
    }

    @Data
    @Builder
    static class SinkModel {
        // 时间戳，汇总到分钟粒度
        private Long timestamp;
        // 指标名
        private String metricName;
        // 指标值
        private double metricValue;
        // 维度名
        private String dimName;
        // 维度值
        private String dimValue;
    }
}

总结

本文衔接上文，主要介绍直播间「生产侧指标的建设」，以「当前分钟正在开播直播间数」为代表举例。提出定义以及建设过程相关的问题，以这两个个问题出发，引出了以下两小节。

第一节简单介绍了当前分钟正在开播直播间数的定义。

第二节主要介绍了当前分钟正在开播直播间数的建设逻辑以及过程，并对「状态」这个概念进行了一个拓展介绍。

最后一节对本文进行了总结。