Flink 实践教程：入门5-写入 ClickHouse

原创

吴云涛

修改于 2021-12-08 16:02:42

1.9K0

修改于 2021-12-08 16:02:42

文章被收录于专栏：腾讯云流计算 Oceanus 腾讯云流计算 Oceanus腾讯云流计算 Oceanus

流计算 Oceanus 简介

流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台。流计算 Oceanus 以实现企业数据价值最大化为目标，加速企业实时化数字化的建设进程。

本文将为您详细介绍如何使用 Datagen Connector 模拟生成客户视频点击量数据，并利用滚动窗口函数对每分钟内客户的视频点击量进行聚合分析，最后将数据输出到 ClickHouse 的流程。

Flink 实践教程：入门5-写入 ClickHouse

前置准备

创建流计算 Oceanus 集群

活动购买链接 1 元购买 Oceanus 集群。

进入流计算 Oceanus 控制台 [1]，点击左侧【集群管理】，点击左上方【创建集群】，完成 Oceanus 集群的创建。具体可参考 Oceanus 官方文档创建独享集群[2]。

创建 ClickHouse 集群

进入 ClickHouse 控制台[3]，点击左上角【新建集群】，完成 ClickHouse 集群的创建。具体可参考 ClickHouse 快速入门[4]。

注意：创建 Oceanus 集群和 ClickHouse 集群时所选的 VPC 必须相同。

创建 ClickHouse 表：

进入与 ClickHouse 集群同 VPC 的某一台 CVM 下，安装 ClickHouse 客户端（下载该客户端需连通外网），具体操作步骤参考 ClickHouse 快速入门[4]。

 # 下载 ClickHouse-Client 命令
wget https://repo.yandex.ru/clickhouse/rpm/stable/x86\_64/clickhouse-client-20.7.2.30-2.noarch.rpm
wget https://repo.yandex.ru/clickhouse/rpm/stable/x86\_64/clickhouse-common-static-20.7.2.30-2.x86\_64.rpm

2. 安装客户端

rpm -ivh \*.rpm

3. 使用 tcp 端口登陆 ClickHouse 集群，IP 地址可通过控制台查看

clickhouse-client -hxxx.xxx.xxx.xxx --port 9000

4. 登陆 ClickHouse 集群，建表。

CREATE TABLE default.datagen_to_ck on cluster default_cluster (
win_start     TIMESTAMP,
win_end       TIMESTAMP,
user_id       String,
amount_total  Int16,
Sign          Int8  )
ENGINE = ReplicatedCollapsingMergeTree('/clickhouse/tables/{layer}-{shard}/default/datagen_to_ck', '{replica}',Sign)
ORDER BY (win_start,win_end,user_id);

流计算 Oceanus 作业

1. 创建 Source

CREATE TABLE random_source ( 
    user_id   VARCHAR,
    amount    INT,
    pre_time  AS CURRENT_TIMESTAMP,
    WATERMARK FOR pre_time AS pre_time - INTERVAL '3' SECOND
  ) WITH ( 
  'connector' = 'datagen', 
  'rows-per-second' = '5',            -- 每秒产生的数据条数
  'fields.user_id.length' = '1',      -- 随机字符串的长度
  'fields.amount.kind' = 'random',    -- 无界的随机数
  'fields.amount.min' = '1',          -- 随机数的最小值
  'fields.amount.max' = '10'          -- 随机数的最大值
);

2. 创建 Sink

CREATE TABLE clickhouse (
    win_start     TIMESTAMP(3),
    win_end       TIMESTAMP(3),
    user_id       VARCHAR,
    amount_total  BIGINT,
    PRIMARY KEY (win_start,win_end,user_id) NOT ENFORCED -- 如果要同步的数据库表定义了主键, 则这里也需要定义
) WITH (
    'connector' = 'clickhouse',
    'url' = 'clickhouse://10.0.0.178:8123',
    --'username' = 'root',     -- 如果ClickHouse集群未配置账号密码可以不指定
    --'password' = 'root',
    'database-name' = 'default',
    'table-name' = 'datagen_to_ck',
    'table.collapsing.field' = 'Sign'   -- CollapsingMergeTree 类型列字段的名称
);

3. 编写业务 SQL

INSERT INTO clickhouse
SELECT
    TUMBLE_START(pre_time,INTERVAL '1' MINUTE) AS win_start,
    TUMBLE_END(pre_time,INTERVAL '1' MINUTE) AS win_end,
    user_id,
    CAST(SUM(amount) AS BIGINT) AS amount_total
FROM random_source
GROUP BY TUMBLE(pre_time,INTERVAL '1' MINUTE),user_id;