简介：Flink+Hologres亿级用户实时UV准确去重最佳实际
UV、PV计算，因为业务需要不同，通常会分为两种场景：
• 离线计算场景：以T+1为主，计算历史数据• 实时计算场景：实时计算日常新增的数据，对用户标签去重
针对离线计算场景，Hologres基于RoaringBitmap，提供超高基数的UV计算，只需进行一次最细粒度的预聚合计算，也只生成一份最细粒度的预聚合后果表，就能达到亚秒级查问。具体详情能够参见往期文章>>Hologres如何反对超高基数UV计算(基于RoaringBitmap实现)
对于实时计算场景，能够应用Flink+Hologres形式，并基于RoaringBitmap，实时对用户标签去重。这样的形式，能够较细粒度的实时失去用户UV、PV数据，同时便于依据需要调整最小统计窗口（如最近5分钟的UV），实现相似实时监控的成果，更好的在大屏等BI展现。相较于以天、周、月等为单位的去重，更适宜在流动日期进行更细粒度的统计，并且通过简略的聚合，也能够失去较大工夫单位的统计后果。
主体思维Flink将流式数据转化为表与维表进行JOIN操作，再转化为流式数据。此举能够利用Hologres维表的insertIfNotExists个性联合自增字段实现高效的uid映射。Flink把关联的后果数据依照工夫窗口进行解决，依据查问维度应用RoaringBitmap进行聚合，并将查问维度以及聚合的uid寄存在聚合后果表，其中聚合出的uid后果放入Hologres的RoaringBitmap类型的字段中。查问时，与离线形式类似，间接依照查问条件查问聚合后果表，并对其中要害的RoaringBitmap字段做or运算后并统计基数，即可得出对应用户数。解决流程如下图所示
计划最佳实际1.创立相干根底表1）创立表uid_mapping为uid映射表，用于映射uid到32位int类型。
• RoaringBitmap类型要求用户ID必须是32位int类型且越浓密越好（即用户ID最好间断）。常见的业务零碎或者埋点中的用户ID很多是字符串类型或Long类型，因而须要应用uid_mapping类型构建一张映射表。映射表利用Hologres的SERIAL类型（自增的32位int）来实现用户映射的主动治理和稳固映射。
• 因为是实时数据, 设置该表为行存表，以进步Flink维表实时JOIN的QPS。
BEGIN;CREATE TABLE public.uid_mapping (uid text NOT NULL,uid_int32 serial,PRIMARY KEY (uid));--将uid设为clustering_key和distribution_key便于疾速查找其对应的int32值CALL set_table_property('public.uid_mapping', 'clustering_key', 'uid');CALL set_table_property('public.uid_mapping', 'distribution_key', 'uid');CALL set_table_property('public.uid_mapping', 'orientation', 'row');COMMIT;2）创立表dws_app为根底聚合表，用于寄存在根底维度上聚合后的后果。
• 应用RoaringBitmap前须要创立RoaringBitmap extention，同时也须要Hologres实例为0.10版本
CREATE EXTENSION IF NOT EXISTS roaringbitmap;• 为了更好性能，倡议依据根底聚合表数据量正当的设置Shard数，但倡议根底聚合表的Shard数设置不超过计算资源的Core数。举荐应用以下形式通过Table Group来设置Shard数
--新建shard数为16的Table Group，--因为测试数据量百万级，其中后端计算资源为100core，设置shard数为16BEGIN;CREATE TABLE tg16 (a int); --Table Group哨兵表call set_table_property('tg16', 'shard_count', '16'); COMMIT;• 相比离线后果表，此后果表减少了工夫戳字段，用于实现以Flink窗口周期为单位的统计。后果表DDL如下：
BEGIN;create table dws_app( country text, prov text, city text, ymd text NOT NULL, --日期字段 timetz TIMESTAMPTZ, --统计工夫戳，能够实现以Flink窗口周期为单位的统计 uid32_bitmap roaringbitmap, -- 应用roaringbitmap记录uv primary key(country, prov, city, ymd, timetz)--查问维度和工夫作为主键，避免反复插入数据);CALL set_table_property('public.dws_app', 'orientation', 'column');--日期字段设为clustering_key和event_time_column，便于过滤CALL set_table_property('public.dws_app', 'clustering_key', 'ymd');CALL set_table_property('public.dws_app', 'event_time_column', 'ymd');--等价于将表放在shard数为16的table groupcall set_table_property('public.dws_app', 'colocate_with', 'tg16');--group by字段设为distribution_keyCALL set_table_property('public.dws_app', 'distribution_key', 'country,prov,city');COMMIT;2.Flink实时读取数据并更新dws_app根底聚合表残缺示例源码请见alibabacloud-hologres-connectors examples
...