Redis维表关联:实时查询

在做维表关联如果要求低延时,即维表数据的变更能够被立刻感知到,所以就要求在查询时没有缓存策略,直接查询数据库维表信息。

本篇以实时查询redis为例,要求redis 客户端支持异步查询,可以使用io.lettuce包,支持redis不同模式:单点模式、sentinel模式、集群模式,需要在pom中引入:

<dependency>
            <groupId>io.lettuce</groupId>
            <artifactId>lettuce-core</artifactId>
            <version>5.0.5.RELEASE</version>
</dependency>
<dependency>
            <groupId>io.netty</groupId>
            <artifactId>netty-all</artifactId>
            <version>4.1.24.Final</version>
 </dependency>

Redis中数据准备:

hmset 1 aid 1 cid 1
hmset 2 aid 1 cid 2

使用hash结构,key表示广告位ID、aid表示广告主ID、cid表示广告计划ID

定义RichAsyncFunction类型的RedisSide,异步查询Redis

 class RedisSide extends RichAsyncFunction[AdData, AdData] {

  private var redisClient: RedisClient 
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在 Flink 中,我们可以使用 Flink 的 Table API 或 DataStream API 与 Redis 进行维关联查询。 下面是一个使用 Flink Table API 和 Redis 进行维关联查询的示例代码: ```java // 创建 Redis 连接配置 RedisOptions redisOptions = new RedisOptions() .setHost("localhost") .setPort(6379); // 创建 Redis RedisTableSource redisTableSource = RedisTableSource.builder() .forHostPort("localhost", 6379) .withTableName("myTable") .withColumnNames("key", "value") .build(); // 注册 Redis tableEnv.registerTableSource("myTable", redisTableSource); // 执行关联查询 Table result = tableEnv.sqlQuery("SELECT t1.*, t2.value FROM myDataStream AS t1 JOIN myTable AS t2 ON t1.key = t2.key"); ``` 在上面的示例中,我们首先创建了一个 Redis 连接配置,然后使用 `RedisTableSource` 创建了一个 Redis,并将其注册到 Flink 的 Table API 中。最后,我们执行了一条 SQL 查询,将一个数据流和 Redis进行关联查询,并将结果保存在 `result` 变量中。 如果你想使用 DataStream API 进行维关联查询,可以使用 `RedisLookupTableFunction`。下面是一个示例代码: ```java // 创建 Redis 连接配置 RedisOptions redisOptions = new RedisOptions() .setHost("localhost") .setPort(6379); // 创建 Redis RedisLookupTableFunction redisLookupTableFunction = new RedisLookupTableFunction("myTable", redisOptions, "key", "value"); // 执行关联查询 DataStream result = dataStream .keyBy("key") .connect(redisLookupTableFunction) .process(new MyProcessFunction()); ``` 在上面的示例中,我们首先创建了一个 Redis 连接配置,然后使用 `RedisLookupTableFunction` 创建了一个 Redis查询函数。最后,我们将数据流按照 `key` 字段进行分区,并将其与 Redis查询函数连接起来,最后使用 `process` 方法执行关联查询

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王知无(import_bigdata)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值