实时计算案例:上海鸥新软件

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
简介: Wifi 探针作为整个系统的数据源,其布点是系统成功的关键,布点之间是否重叠,数据是否精确,能否避 免数据互相污染是鸥新软件当前面临的主要挑战。

挑战

上海鸥新软件有限公司专注于室内定位技术、客流统计与分析的研发。在 Wifi 室内定位引擎技术上处于领先地 位,主要为商业零售实体店提供 Wifi 覆盖,微信上网,定时定地点向客户进行精准化商业信息推送等一体化解决 方案。Wifi 探针作为整个系统的数据源,其布点是系统成功的关键,布点之间是否重叠,数据是否精确,能否避 免数据互相污染是鸥新软件当前面临的主要挑战。

解决方案

为确保整体数据的有效性,打通线上与线下,上海鸥新软件重构业务系统采用一站式、高性能实时大数据处理平台阿里云实时计算作为其实时计算的基础架构。
在业务上利用 WiFi 探针采集人流的手机 MAC 地址,将采集的数据经过 SLB 发送到接收服务器,进而发送到消息 队列(DataHub),实时计算订阅消息列队 ,对相关数据进行清洗、去重并将设备采集到的用户信息与设备的地 理位置信息进行维表关联,完成处理后实时计算还可计算用户停留时间最终生成使用轨迹供下游使用。

业务优势

上海鸥新的 WiFi 客流统计和分析系统涉及数千台线下设备,实时计算每秒处理输入 30K 条数据,每秒输出 20K 条 处理后的数据, 整体延迟为秒级, 以阿里云实时计算为基础的这套系统打通了线下与线上, 商业零售实体店的运营得 到了不同维度的数据支持,活动运营效果与顾客的购物体验有大幅优化,实现了鸥新与最终用户群体的双赢。

客户评价

鸥新的 WiFi 客流统计和分析系统是 IoT 技术与大数据实时处理技术结合起来的典型案例,在业务改造过程中阿里 云实时计算的应用使整体体验十分友好,尤其是从阿里云实时计算 1.x 版本升级到 2.x 版本后,整体资源成本 下降了 30% ,具体体现在:

  • 开发运维简单:不需要额外的 SQL 开发与人肉运维,通过注册式引入上下游,高效保障数据安全。 实时性好:实时计算强大的流计算性能确保业务系统吞吐量每秒几万设备数据仍保持秒级延迟。
  • 可扩展性好:实时计算的整套系统可扩展性极强,新商场上线的数据流部分只需进行微调且不用预估资源,使业 务扩展期没有后顾之忧。

实时计算 Flink 版产品交流群

test

阿里云实时计算Flink - 解决方案:
https://developer.aliyun.com/article/765097
阿里云实时计算Flink - 场景案例:
https://ververica.cn/corporate-practice
阿里云实时计算Flink - 产品详情页:
https://www.aliyun.com/product/bigdata/product/sc

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
4月前
|
分布式计算 监控 大数据
大数据-131 - Flink CEP 案例:检测交易活跃用户、超时未交付
大数据-131 - Flink CEP 案例:检测交易活跃用户、超时未交付
121 0
|
4月前
|
消息中间件 关系型数据库 MySQL
大数据-117 - Flink DataStream Sink 案例:写出到MySQL、写出到Kafka
大数据-117 - Flink DataStream Sink 案例:写出到MySQL、写出到Kafka
367 0
|
2月前
|
消息中间件 JSON 数据库
探索Flink动态CEP:杭州银行的实战案例
本文由杭州银行大数据工程师唐占峰、欧阳武林撰写,介绍Flink动态CEP的定义、应用场景、技术实现及使用方式。Flink动态CEP是基于Flink的复杂事件处理库,支持在不重启服务的情况下动态更新规则,适应快速变化的业务需求。文章详细阐述了其在反洗钱、反欺诈和实时营销等金融领域的应用,并展示了某金融机构的实际应用案例。通过动态CEP,用户可以实时调整规则,提高系统的灵活性和响应速度,降低维护成本。文中还提供了具体的代码示例和技术细节,帮助读者理解和使用Flink动态CEP。
523 2
探索Flink动态CEP:杭州银行的实战案例
|
2月前
|
数据处理 数据安全/隐私保护 流计算
Flink 三种时间窗口、窗口处理函数使用及案例
Flink 是处理无界数据流的强大工具,提供了丰富的窗口机制。本文介绍了三种时间窗口(滚动窗口、滑动窗口和会话窗口)及其使用方法,包括时间窗口的概念、窗口处理函数的使用和实际案例。通过这些机制,可以灵活地对数据流进行分析和计算,满足不同的业务需求。
251 27
|
4月前
|
SQL 大数据 API
大数据-132 - Flink SQL 基本介绍 与 HelloWorld案例
大数据-132 - Flink SQL 基本介绍 与 HelloWorld案例
89 0
|
4月前
|
SQL 消息中间件 分布式计算
大数据-130 - Flink CEP 详解 - CEP开发流程 与 案例实践:恶意登录检测实现
大数据-130 - Flink CEP 详解 - CEP开发流程 与 案例实践:恶意登录检测实现
135 0
|
4月前
|
消息中间件 NoSQL Kafka
大数据-116 - Flink DataStream Sink 原理、概念、常见Sink类型 配置与使用 附带案例1:消费Kafka写到Redis
大数据-116 - Flink DataStream Sink 原理、概念、常见Sink类型 配置与使用 附带案例1:消费Kafka写到Redis
293 0
|
分布式计算 Java API
Flink教程(04)- Flink入门案例
Flink教程(04)- Flink入门案例
209 0
|
9月前
|
传感器 存储 缓存
[尚硅谷flink学习笔记] 实战案例TopN 问题
这段内容是关于如何使用Apache Flink解决实时统计水位传感器数据中,在一定时间窗口内出现次数最多的水位问题,即"Top N"问题。首先,介绍了一个使用滑动窗口的简单实现,通过收集传感器数据,按照水位计数,然后排序并输出前两名。接着,提出了全窗口和优化方案,其中优化包括按键分区(按水位vc分组)、开窗操作(增量聚合计算count)和过程函数处理(聚合并排序输出Top N结果)。最后,给出了一个使用`KeyedProcessFunction`进行优化的示例代码,通过按键by窗口结束时间,确保每个窗口的所有数据到达后再进行处理,提高了效率。
222 1
|
9月前
|
NoSQL API MongoDB
实时计算 Flink版产品使用合集之断点续传的案例在哪里可以找到
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。

相关产品

  • 实时计算 Flink版