目标
通过这个案例，希望你能掌握下面几个知识点并灵活运用：
1.业务场景描述
假设你是一家国内大型食品电商公司的CEO，你们公司的愿景就是让天下的吃货都吃得好。
但中国之大，众口难调，每个地方都有自己独特的饮食文化：从南到北，口味由咸转淡，从西到东，口味由辣转甜，从陆到海，口味由重转轻……
作为CEO，你自然十分关心一个问题：自己有没有服务好全国各地的吃货？同时又作为数据时代的弄潮儿，你并不屑于去做用户调研，而是准备用数据化的方式来解决这个问题：统计收货人的地理分布，看看哪个多，哪个少，少的是不是因为网站上缺少符合这个地方口味的食品？是的话尽快调整品类分布。
如果能快速的完成这一连串的动作，那么众口不再难调。
动机有了，思路有了，剩下的就让阿里云流计算来帮你吧。
2.流计算解决方案
2.1数据流
系统订单是实时产生的，数据格式如下：
（注：为了聚焦核心逻辑，订单数据格式做了大量精简，只保留了与案例有关的属性）
CREATE TABLE source_order (
id VARCHAR,-- 订单ID
seller_id VARCHAR, --卖家ID
account_id VARCHAR,--买家ID
receive_address_id VARCHAR,--收货地址ID
total_price VARCHAR,--订单金额
pay_time VARCHAR --订单支付时间
) WITH (
type='datahub',
endPoint='http://dh-cn-hangzhou.aliyun-inc.com',
project='xxx',--你的project
topic='xxx',--你的topic
roleArn='xxx',--你的roleArn
batchReadSize='500'
);订单是一种流数据，源源不断的产生，本案例把这份数据发送到datahub中。
在电商系统里，订单与订单地址一般都是分开存储的（下单人可以给多个地址下单），所以在订单创建时并没有收货地址，只有在订单提交时才真正的知道收货地址。
所以订单地址也是一种流数据，其随着订单的创建而不断增加，同样，这份数据也发送到datahub中。
假设订单地址的数据格式如下：
CREATE TABLE source_order_receive_address (
id VARCHAR,--收货地址ID
full_name VARCHAR,--收货人全名
mobile_number VARCHAR,--收货人手机号
detail_address VARCHAR,--收货详细地址
province VARCHAR,--收货省份
city_id VARCHAR,--收货城市
create_time VARCHAR --创建时间
) WITH (
type='datahub',
endPoint='http://dh-cn-hangzhou.aliyun-inc.com',
project='xxx',--你的project
topic='xxx',--你的topic
roleArn='xxx',--你的roleArn
batchReadSize='500'
); 订单地址里保存的是城市的id（city_id），为了获取地理信息，我们还需要一张城市表，这张表存储着城市的地理信息。城市的地理信息是不会变化的，静态的。
假设这张表存储在rds中，格式如下：
CREATE TABLE dim_city (
city_id varchar,
city_name varchar,--城市名
province_id varchar,--所属省份ID
zip_code varchar,--邮编
lng varchar,--经度
lat varchar,--纬度
PRIMARY KEY (city_id),
PERIOD FOR SYSTEM_TIME --定义为维表
) WITH (
type= 'rds',
url = 'xxxx',--你的数据库url
tableName = 'xxx',--你的表名
userName = 'xxx',--你的用户名
password = 'xxx'--你的密码
);三份数据都有了，其中有两份流式数据，一份静态数据。
我们的目标是按日统计不同地域订单（总销售额）的分布情况，假设结果的数据格式如下：
CREATE TABLE result_order_city_distribution (
summary_date bigint,--统计日期
city_id bigint,--城市ID
city_name varchar,--城市名
province_id bigint,--所属省份ID
gmv double,--总销售额
lng varchar,--经度
lat varchar,--纬度
primary key (summary_date,city_id)
) WITH (
type= 'rds',
url = 'xxxx',--你的数据库url
tableName = 'xxx',--你的表名
userName = 'xxx',--你的用户名
password = 'xxx'--你的密码
); 这份数据存于RDS中，并且实时更新。
为了完成我们的目标，设计下面的数据流：
计算分三个步骤：
- 订单数据流与订单收货地址数据流join，得到订单的收货地址id；
- 根据城市ID和日期统计销售额；
- 统计结果与城市信息join，补齐城市name和地理位置信息，得到最终数据；
2.2 数据开发
根据上边的数据流，我们开始进行开发，从模式上讲，这个任务是一个典型的【双流join然后维表join】任务。
代码如下：
--定义输入表：订单数据
CREATE TABLE source_order (
id VARCHAR,-- 订单ID
seller_id VARCHAR, --卖家ID
account_id VARCHAR,--买家ID
receive_address_id VARCHAR,--收货地址ID
total_price VARCHAR,--订单金额
pay_time VARCHAR --订单支付时间
) WITH (
type='datahub',
endPoint='http://dh-cn-hangzhou.aliyun-inc.com',
project='xxx',--你的project
topic='xxx',--你的topic
roleArn='xxx',--你的roleArn
batchReadSize='500'
); --定义输入表：订单收货地址
CREATE TABLE source_order_receive_address (
id VARCHAR,--收货地址ID
full_name VARCHAR,--收货人全名
mobile_number VARCHAR,--收货人手机号
detail_address VARCHAR,--收货详细地址
city_id VARCHAR,--收货城市
create_time VARCHAR --创建时间
) WITH (
type='datahub',
endPoint='http://dh-cn-hangzhou.aliyun-inc.com',
project='xxx',#你的project
topic='xxx',#你的topic
roleArn='xxx',#你的roleArn
batchReadSize='500'
); --定义维表：城市信息
CREATE TABLE dim_city (
city_id varchar,
city_name varchar,--城市名
province_id varchar,--所属省份ID
zip_code varchar,--邮编
lng varchar,--经度
lat varchar,--纬度
PRIMARY KEY (city_id),
PERIOD FOR SYSTEM_TIME --定义为维表
) WITH (
type= 'rds',
url = 'xxxx',--你的数据库url
tableName = 'xxx',--你的表名
userName = 'xxx',--你的用户名
password = 'xxx'--你的密码
); --定义结果表：销售额城市分布表
CREATE TABLE result_order_city_distribution (
summary_date varchar,--统计日期
city_id bigint,--城市ID
city_name varchar,--城市名
province_id bigint,--所属省份ID
gmv double,--总销售额
lng varchar,--经度
lat varchar,--纬度
primary key (summary_date,city_id)
) WITH (
type= 'rds',
url = 'xxxx',--你的数据库url
tableName = 'xxx',--你的表名
userName = 'xxx',--你的用户名
password = 'xxx'--你的密码
); --完成计算，通过SQL这种方式，只用下面几行代码就完成了整个过程，其优越性可见一斑。
insert into result_order_city_distribution
select
d.summary_date
,cast(d.city_id as BIGINT)
,e.city_name
,cast(e.province_id as BIGINT)
,d.gmv
,e.lng
,e.lat
,e.lnglat
from
(
select
DISTINCT
DATE_FORMAT(a.pay_time,'yyyyMMdd') as summary_date
,b.city_id as city_id
,round(sum(cast(a.total_price as double)),2) as gmv
from source_order as a
join source_order_receive_address as b on a.receive_address_id =b.id
group by DATE_FORMAT(a.pay_time,'yyyyMMdd'),b.city_id
--双流join，并根据日期和城市ID得到销售额分布
)d join dim_city FOR SYSTEM_TIME AS OF PROCTIME() as e on d.city_id = e.city_id
-- join维表，补齐城市地理信息，得到最终结果
; 2.3 数据准备&调试&上线&运维
这部分可以参考文档，本案例不在赘述。
3.总结
整个案例从逻辑上说非常简单，其覆盖的知识点和各知识点的作用如下：
相信你早就掌握了单个的知识点，所以我们把不同的知识点结合起来做了一个案例，通过这个案例，你一定有了不小的提高。
一定要注意体会维表join的应用场景，什么样的数据通过维表来加载，什么样的数据通过流数据来加载，为什么订单收货地址是流式数据。
SQL很简单，流计算很简单，一旦你学会灵活使用，却能展示出强大的能力。
