Flink实战六_直播礼物统计

接上文：Flink实战五_状态机制

1、需求背景

现在网络直播平台非常火爆，在斗鱼这样的网络直播间，经常可以看到这样的总榜排名，体现了主播的人气值。

人气值计算规则：用户发送1条弹幕互动，赠送1个荧光棒免费道具、100个免费鱼丸、亲密度礼物等行为，均可为主播贡献1点及以上人气值。

我们就以这个人气值日榜为例，来设计一个Flink的计算程序。

对于人气值日榜这样的功能，可以理解为是一个典型的流式计算的场景，强调的是数据的实时处理。因为在这个场景下，必须要及时的累计用户的送礼物数据，才能形成你追我赶的实时效果，提升用户的参与体验。这个场景下的实时性，虽然不要求每一条数据都及时响应，但是整体的数据延迟还是要尽量缩短的。

这种场景下，使用Flink进行流批统一的计算，感觉就非常合适。

2、数据流程设计

在确定了使用Flink进行计算后，首先就需要设计出数据的上下游流程，进行简单的方案可行性评估。

对于数据上游，我们这个人气值日榜统计的业务场景，数据来源自然就是粉丝们的打赏行为。一方面整个平台的打赏行为的数据量是非常大的，另一方面这些打赏行为涉及到账户操作，所以他的作用，更大的是体现在人气值榜功能以外的其他业务过程中。基于这两方面考虑，自然就会想到使用kafka来进行削峰以及解耦。而Flink在DataStream/DataSet API和 Table API&SQL 两个部分都对kafka提供了连接器实现，所以用kafka作为数据接入是可行的。

而对于数据下游，其实可以想象，最终计算出来的数据，最为重要的是要强调查询的灵活性以及时效性，这样才能支持页面的快速查询。如果考虑查询的时效性，HBase和ElasticSearch都是比较理想的大数据存储引擎。但是如果考虑到查询的灵活性，就会想到ElasticSearch会相比HBase更适合。因为我们统计出来的这些粉丝人气值度的结果，不光可以作为每个直播间人气值榜的排名，也应该可以作为以后平台主播年度排名等其他业务场景的数据来源。如果想要兼顾这些查询场景，使用HBase就会对Rowkey产生大量的侵入，而Elasticsearch可以根据任意字段快速查询，就比较有优势。 另外，从官方文档中可以查到，对于HBase，Flink只提供了Table API&SQL 模块的connector支持，而DataStream/DataSet API中没有提供支持，而ElasticSearch则支持更为全面。当然，这跟HBase的具体场景是有关联的，但是也可以从另一个角度认为，使用ElasticSearch的可行性更高。

这样，就初步确定了 kafka-> Flink -> ElasticSearch 这样的大致数据流程。这
也是在实际开发中非常典型的一个组合方式。后续就可以着手搭建kafka集群以及ElasticSearch+Kibana的集群了。搭建的过程就略过了。

确定数据的基础结构
这一步主要是确定入口数据和出口数据的结构。只要这两个数据结构确定了，那
么应用程序模块和大数据计算模块就可以分开进行开发了。是双方主要的解耦方
式。

在数据入口处，可以定义这样的简化的数据结构：

public static class GiftRecord{
private String hostId; //主播ID
private String fansId; //粉丝ID
private long giftCount; //礼物数量
private String giftTime; //送礼物时间。时间格式 yyyy-MM-DD HH:mm:SS
.....
}

在kafka中，确定使用gift作为Topic，MQ的消息格式为 #{hostId},#{fansId},#{giftCount},#{giftTime} 这样的字符串。

在数据出口处，可以定义ES中这样简化的索引结构：

-- 贡献日榜索引
PUT daygiftanalyze
{
"mappings":{
	"properties": {
		"windowEnd":{
			"type": "long"
			},
		"hostId": {
			"type": "keyword"
		},
		"fansId": {
			"type": "keyword"
		},
		"giftCount":{
			"type": "long"
			}
		}
	}
}

这样，一个简单的设计方案就形成了。应用程序只需要在粉丝发送礼物时往kafka中同步一条消息记录，然后从ES中查询主播的人气值日榜和人气值周榜数据即可。而我们也可以模拟数据格式进行开发了。

3、应用实现

人气值日榜：
基础数据结构：

public static class GiftRecord{
	private String hostId; //主播ID
	private String fansId; //粉丝ID
	private long giftCount; //礼物数量
	private String giftTime; //送礼物时间。时间格式 yyyy-MM-DD HH:mm:SS
	.....
}

在kafka中，确定使用gift作为Topic，MQ的消息格式为 #{hostId},#{fansId},#{giftCount},#{giftTime} 这样的字符串。

ES索引：

PUT daygiftanalyze
{
  "mappings": {
    "properties": {
      "windowEnd": {
        "type": "long"
      },
      "hostId": {
        "type": "keyword"
      },
      "fansId": {
        "type": "keyword"
      },
      "giftCount": {
        "type": "long"
      }
    }
  }
}

然后运行Flink程序，com.flink.project.flink.DayGiftAna，从kafka中读取数
据。测试数据见giftrecord.txt。计算程序会及时将十分钟内的粉丝礼物统计都存入到ES当中。

giftrecord.txt如下：

1001,3001,100,2021-09-15 15:15:10
1001,3002,321,2021-09-15 15:17:14
1001,3003,234,2021-09-15 15:16:24
1001,3004,15,2021-09-15 15:17:13
1001,3005,264,2021-09-15 15:18:14
1001,3006,678,2021-09-15 15:17:54
1001,3007,123,2021-09-15 15:19:22
1001,3008,422,2021-09-15 15:18:37
1001,3009,566,2021-09-15 15:22:43
1001,3001,76,2021-09-15 15:21:28
1001,3001,88,2021-09-15 15:26:28
1001,3007,168,2021-09-15 15:32:29
1001,3002,157,2021-09-15 15:28:56
1001,3009,567,2021-09-15 15:27:32
1001,3004,145,2021-09-15 15:30:26
1001,3003,1656,2021-09-15 15:31:19
1001,3005,543,2021-09-15 15:36:49
1001,3001,864,2021-09-15 15:38:26
1001,3001,548,2021-09-15 15:45:10
1001,3007,359,2021-09-15 15:52:39
1001,3008,394,2021-09-15 15:59:48

com.flink.project.flink.DayGiftAna，如下：

import com.roy.flink.project.fansgift.FansGiftResult;
import com.roy.flink.project.fansgift.GiftRecord;
import org.apache.commons.lang.SystemUtils;
import org.apache.flink.api.common.eventtime.*;
import org.apache.flink.api.common.functions.AggregateFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.common.functions.RichAggregateFunction;
import org.apache.flink.api.common.functions.RuntimeContext;
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.common.typeinfo.TypeHint;
import org.apache.flink.api.common.typeinfo.TypeInformation;
import org.apache.flink.api.java.functions.KeySelector;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.contrib.streaming.state.RocksDBStateBackend;
import org.apache.flink.runtime.state.StateBackend;
import org.apache.flink.runtime.state.filesystem.FsStateBackend;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.RichWindowFunction;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.streaming.connectors.elasticsearch.ElasticsearchSinkFunction;
import org.apache.flink.streaming.connectors.elasticsearch.RequestIndexer;
import org.apache.flink.streaming.connectors.elasticsearch7.ElasticsearchSink;
import org.apache.flink.util.Collector;
import org.apache.http.HttpHost;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.client.Requests;

import java.io.IOException;
import java.text.SimpleDateFormat;
import java.time.Duration;
import java.util.*;

import static org.apache.flink.util.Preconditions.checkArgument;
import static org.apache.flink.util.Preconditions.checkNotNull;

/**

 * @desc 贡献日榜计算程序
 */
public class DayGiftAna {

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

        env.getConfig().setAutoWatermarkInterval(1000L); //BoundedOutOfOrdernessWatermarks定时提交Watermark的间隔
//        env.setStateBackend(new RocksDBStateBackend("hdfs://hadoop01:8020/dayGiftAna"));
        // Checkpoint存储到文件
        if(SystemUtils.IS_OS_WINDOWS){
            env.setStateBackend(new FsStateBackend("file:///D:/flink_file"));
        }else{// linux
            env.setStateBackend(new FsStateBackend("file:///home/file_file"));
        }

        //使用Socket测试。
        env.setParallelism(1);
        final DataStreamSource<String> dataStream = env.socketTextStream("10.86.97.206", 7777);

        final SingleOutputStreamOperator<FansGiftResult> fansGiftResult = dataStream.map((MapFunction<String, GiftRecord>) value -> {

            final String[] valueSplit = value.split(",");
            //SimpleDateFormat 多线程不安全。
            SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
            final long giftTime = sdf.parse(valueSplit[3]).getTime();
            return new GiftRecord(valueSplit[0], valueSplit[1], Integer.parseInt(valueSplit[2]), giftTime);

        }).assignTimestampsAndWatermarks(WatermarkStrategy
                .<GiftRecord>forBoundedOutOfOrderness(Duration.ofSeconds(2))
                .withTimestampAssigner((SerializableTimestampAssigner<GiftRecord>) (element, recordTimestamp) -> element.getGiftTime()))
//          .keyBy((KeySelector<GiftRecord, String>) value -> value.getHostId() + "_" + value.getFansId()) //按照HostId_FansId分组
            .keyBy((KeySelector<GiftRecord, String>) value -> value.getHostId()) //按照HostId分组
            .window(TumblingEventTimeWindows.of(Time.seconds(10)))
//                .allowedLateness(Time.seconds(2))
            .aggregate(new WinodwGiftRecordAgg(), new AllWindowGiftRecordAgg());
        //打印结果测试
        fansGiftResult.print("fansGiftResult");

        env.execute("DayGiftAna");
    }

    //在每个子任务中将窗口期内的礼物进行累计合并
    //增加状态后端。
    private static class WinodwGiftRecordAgg implements AggregateFunction<GiftRecord, Long, Long> {
        @Override
        public Long createAccumulator() {
            return 0L;
        }

        @Override
        public Long add(GiftRecord value, Long accumulator) {
            Long res = accumulator + value.getGiftCount();
            return res;
        }

        @Override
        public Long getResult(Long accumulator) {
            return accumulator;
        }

        @Override
        public Long merge(Long a, Long b) {
            return a + b;
        }
    }

    //对窗口期内的所有子任务进行窗口聚合操作。
    private static class AllWindowGiftRecordAgg extends RichWindowFunction<Long, FansGiftResult, String, TimeWindow> {

        ValueState<FansGiftResult> state;

        @Override
        public void apply(String s, TimeWindow window, java.lang.Iterable<Long> input, Collector<FansGiftResult> out) throws Exception {
            final String[] splitKey = s.split("_");
            String hostId = splitKey[0];
            String fansId ="";
            if(splitKey.length>1){
                fansId=splitKey[1];
            }
            final Long giftCount = input.iterator().next();
            final long windowEnd = window.getEnd();
            final FansGiftResult fansGiftResult = new FansGiftResult(hostId, fansId, giftCount, windowEnd);
            out.collect(fansGiftResult);
            state.update(fansGiftResult);
        }

        @Override
        public void open(Configuration parameters) throws Exception {
            final ValueStateDescriptor<FansGiftResult> stateDescriptor = new ValueStateDescriptor<>("WinodwGiftRecordAgg", TypeInformation.of(new TypeHint<FansGiftResult>() {
            }));
            state = this.getRuntimeContext().getState(stateDescriptor);
        }
    }
}

FansGiftResult，代码如下：

public class FansGiftResult {

    private String hostId;
    private String fansId;
    private long giftCount;
    private long windowEnd;

    public FansGiftResult() {
    }

    public FansGiftResult(String hostId, String fansId, long giftCount, long windowEnd) {
        this.hostId = hostId;
        this.fansId = fansId;
        this.giftCount = giftCount;
        this.windowEnd = windowEnd;
    }

    @Override
    public String toString() {
        if(fansId!=null && fansId.length()>0){
            return "FansGiftResult{" +
                    "hostId='" + hostId + ''' +
                    ", fansId='" + fansId + ''' +
                    ", giftCount=" + giftCount +
                    ", windowEnd=" + windowEnd +
                    '}';
        }else{
            return "FansGiftResult{" +
                    "hostId='" + hostId + ''' +
                    ", giftCount=" + giftCount +
                    ", windowEnd=" + windowEnd +
                    '}';
        }
    }

    public String getHostId() {
        return hostId;
    }

    public void setHostId(String hostId) {
        this.hostId = hostId;
    }

    public String getFansId() {
        return fansId;
    }

    public void setFansId(String fansId) {
        this.fansId = fansId;
    }

    public long getGiftCount() {
        return giftCount;
    }

    public void setGiftCount(long giftCount) {
        this.giftCount = giftCount;
    }

    public long getWindowEnd() {
        return windowEnd;
    }

    public void setWindowEnd(long windowEnd) {
        this.windowEnd = windowEnd;
    }
}

GiftRecord，代码如下：

public class GiftRecord {

    private String hostId; //主播ID
    private String fansId; //粉丝ID
    private int giftCount; //礼物数量
    private long giftTime; //送礼物时间。原始时间格式 yyyy-MM-DD HH:mm:ss,sss

    public GiftRecord() {
    }

    public GiftRecord(String hostId, String fansId, int giftCount, long giftTime) {
        this.hostId = hostId;
        this.fansId = fansId;
        this.giftCount = giftCount;
        this.giftTime = giftTime;
    }

    public String getHostId() {
        return hostId;
    }

    public void setHostId(String hostId) {
        this.hostId = hostId;
    }

    public String getFansId() {
        return fansId;
    }

    public void setFansId(String fansId) {
        this.fansId = fansId;
    }

    public int getGiftCount() {
        return giftCount;
    }

    public void setGiftCount(int giftCount) {
        this.giftCount = giftCount;
    }

    public long getGiftTime() {
        return giftTime;
    }

    public void setGiftTime(long giftTime) {
        this.giftTime = giftTime;
    }

    @Override
    public String toString() {
        return "GiftRecord{" +
                "hostId='" + hostId + ''' +
                ", fansId='" + fansId + ''' +
                ", giftCount=" + giftCount +
                ", giftTime='" + giftTime + ''' +
                '}';
    }
}

ES查询语句：

GET daygiftanalyze/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "windowEnd": {
              "gte": 1631635200000,
              "lte": 1631721600000
            }
          }
        },
        {
          "match": {
            "hostId": "1001"
          }
        }
      ]
    }
  },
  "aggs": {
    "groupByFans": {
      "terms": {
        "field": "fansId",
        "size": 3,
        "order": {
          "giftCount": "desc"
        }
      },
      "aggs": {
        "giftCount": {
          "sum": {
            "field": "giftCount"
          }
        }
      }
    }
  }
}

ES中的查询结果：

直播应用就可以根据这个查询结果组织客户端查询代码，最终实现日榜排名的功能。

4、实现效果分析

具体的计算方案参见示例代码，这里就不多做分析了。这里只分析一下在实现过程中需要注意的几个重要的问题：

• 时间语义分析
  对于网络直播这样的场景，从下午六点到第二天早上六点才是一天的高峰期，所以，在进行统计时，将每一天的统计时间定义为从早上六点到第二天早上六点，这样就能尽量保持高峰期的完整性。很多跟娱乐相关的场景，比如网络游戏，也大都是以这样的范围来定义一天，而不是传统意义上的从0点到24点。

• 并行度优化
  可以直接使用Flink的开窗机制，待一周的数据收集完整了之后，一次性向ES中输出统计结果，这种场景下要注意累计器的持久化，以及计算程序出错后的重启恢复机制。

• 后续改进方式
  状态后端、而对于人气值日榜的计算，就不能等一天的数据收集齐了再计算了。这时是有两种解决方案，一种是完全的流处理方式。也就是每来一条数据就往ES中更新结果。另一中方式是采用小批量的流处理方式。以五分钟为单位，将数据拆分成一个一个小窗
  口来进行处理。显然后一种方式对数据处理的压力会比较小一点。虽然数据量会更
  多，但是ES的存储以及快速查询能力可以比较好的弥补数据量的问题。也因此，在
  设计ES数据机构时，将人气值日榜的文档结构设计成了一个一个的小范围。

代码007普通

打赏 收藏 海报 链接