阿里云大数据利器之-使用flume+sql实现流计算做实时展现业务（归档Maxcompute）...-CSDN博客

实时业务处理的需求越来越多，也有各种处理方案，比如storm，spark等都可以。那以数据流的方向可以总结成数据源-数据搜集-缓存队列-实时处理计算-数据展现。本文就用阿里云产品简单实现了一个实时处理的方案。

一，总体架构

按照数据流向
数据采集：flume（配置故障转移）
缓存队列：datahub
https://help.aliyun.com/product/53345.html?spm=5176.7618386.3.4.cigK2v
数据计算：阿里流计算（StreamCompute）
https://help.aliyun.com/video_list/54212.html?spm=5176.7618386.3.2.COgP6l
数据落地：rds（mysql）
https://help.aliyun.com/document_detail/26092.html?spm=5176.7841871.6.539.9FTjxU
数据展现：Quick-BI
https://data.aliyun.com/product/bi?spm=5176.8142029.388261.284.spvIS0
或者大屏显示 DATA-V
https://data.aliyun.com/visual/datav?spm=5176.8142029.388261.283.spvIS0

二，搭建过程

1，flume配置搭建
flume在数据采集的开源框架中还是比较常用的，但是在采集输送到datahub中有可能网络断了或者服务器挂了。那这里配置了故障转移，如图，其中sink1和sink2为上面架构中的agentA和agentB.把agentA和agentB分别部署在两台服务器上。

在搭建flume时需要安装DatahubSink插件，参考https://help.aliyun.com/knowledge_detail/42843.html
那看下配置文件


# Name the components on this agent
a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1

# Describe/configure the source这里监控一个文件变化，写了一个定时脚本每秒插入一条
a1.sources.r1.type = exec
a1.sources.r1.channels=c1
a1.sources.r1.command=tail -F /usr/local/shangdan/test.txt

#define sinkgroups，在这里配置故障转移的sink组
a1.sinkgroups=g1
a1.sinkgroups.g1.sinks=k1 k2
a1.sinkgroups.g1.processor.type=failover
a1.sinkgroups.g1.processor.priority.k1=10／／这里设置sink的优先级，优先发送到级别高的sink里
a1.sinkgroups.g1.processor.priority.k2=5
a1.sinkgroups.g1.processor.maxpenalty=10000

#define the sink 1，发送到agentA
a1.sinks.k1.type=avro
a1.sinks.k1.hostname=agentA的ip
a1.sinks.k1.port=5555

#define the sink 2 ，发送到agentB
a1.sinks.k2.type=avro
a1.sinks.k2.hostname=agentB的ip
a1.sinks.k2.port=5555


# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
a1.sinks.k2.channel=c1
~

agentA和agentB的配置文件出了ip地址不一样，其他完全一致，这里贴其中一个

A single-node Flume configuration for Datahub
# Name the components on this agent
a1.sources = r1
a1.sinks = k1
a1.channels = c1
# Describe/configure the source
a1.sources.r1.type = avro
a1.sources.r1.channels=c1
a1.sources.r1.bind= agentA的ip
a1.sources.r1.port= 5555
# Describe the sink
a1.sinks.k1.type = com.aliyun.datahub.flume.sink.DatahubSink
a1.sinks.k1.datahub.accessID = ******
a1.sinks.k1.datahub.accessKey = **********
a1.sinks.k1.datahub.endPoint = http://dh-cn-hangzhou.aliyun-inc.com
a1.sinks.k1.datahub.project = shangdantest
a1.sinks.k1.datahub.topic = databubtest
a1.sinks.k1.serializer = DELIMITED
a1.sinks.k1.serializer.delimiter = ,／／这里配置数据的分隔符
a1.sinks.k1.serializer.fieldnames = line／／配置数据的字段
a1.sinks.k1.batchSize = 1
a1.sinks.k1.serializer.charset = UTF-8
a1.sinks.k1.shard.number = 1
a1.sinks.k1.shard.maxTimeOut = 60
# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 1000
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

三台服务配置完成后启动flume（先启动agentA和agentB）预期结果是agent1发送数据到agentA（优先级高的），如果停止agentA服务，会自动转换发送到agentB。重启agegtA的服务后，再次切回到agentA。
如图：正常启动数据正常传输经过agent1-agentB-datahub

此时，停掉agentA服务，日志报错，故障转移。

重启agentA服务，恢复到之前状态，切回到sink1

2，datahub创建，
在datahub控制台创建项目和topic，
设置分片和生命周期，具体方法见链接
https://help.aliyun.com/document_detail/47448.html?spm=5176.doc47443.6.584.UrSX1A；
datahub中看到有flume传过来的数据

3，配置阿里流计算

登录阿里流计算控制台

注册数据源datahub／rds（也支持阿里其他类型数据源）-编写流计算脚本-调试-上线-启动

如图先注册数据源供脚本使用。必须要有数据来源表和数据结果表。

在编写脚本时，可以直接引用表，会自动插入表结构和配置信息，非常方便

那开始编写脚本必须包括三部分
1，创建数据来源表，这里是datahub表
2，创建数据结果表，这里是rds表
3，将来源表数据写入结果表，并进行计算

如图

三、测试

   脚本编写完毕，点击上方【调试】，可以自己先准备一些数据上传测试。也可以直接线上测试，点击上面【上线】，上线成功后在【运维】中能看到项目，点击启动，项目启动几秒就工作了如图：

 然后可以看到监控状态，计算延迟，数据是否倾斜等指标，也有更详细的链路可以查看

最后，我们把整个流程全部启动，到rds中看结果如图

当然，如果希望源源不断的流数据保存下来称为静态的数据，作为后续业务分析统计等用途，在datahub控制台可以直接配置归档到大数据计算服务（Maxcompute）中，直接入库为表数据。
如图

需要在Maxcompute中创建好对应表即可自动归档存储。详细配置如下
https://help.aliyun.com/document_detail/47453.html?spm=5176.doc47439.6.555.3GNrRs

好神奇，几句sql数据就源源不断的流过来，那么前端或者其他业务层可以过来拿数据展示了，数据还可以界面化配置归档入库，十分方便。如果有复杂逻辑计算的，可以申请开通流计算的udf功能，这样看来，学好sql和java，走遍天下都不怕。
数据可视化部分可以参考使用阿里云产品dataV，实现类似双十一大屏效果,也可以使用产品Quick-BI做实时报表。