基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-数据流计算篇

背景

在订单系统中，利用 Spark streamimg 或者 Flink 对接数据流并进行数据分析是一种常见请求。常见的场景如下：

• 大促开始后，实时显示当前总成交金额。
• 大促开始后，实时画出成交量走势图。
• ……

MySQL 若需要支持此类场景，需要开发应用，解析 binlog 中的数据，对接中间件，开发成本运维成本都会更高，且系统复杂度也会提升。而表格存储提供了通道服务，可以直接对接 Spark streaming 或 Flink，不仅省去了开发者解析数据、对接中间件的工作，且可以将开发者从复杂的系统架构中解放出来，更加专注于业务逻辑的处理。

本文将一步一步展示，如何利用表格存储通道服务，实现对订单系统实时成交额和订单数的统计工作。

基于通道服务的 Tablestore 解决方案

通道服务说明

通道服务（Tunnel Service）是基于表格存储数据接口上的全增量一体化服务。通道服务提供了增量、全量、增量加全量三种类型的分布式数据实时消费通道。通过为数据表建立数据通道，可以简单地实现对表中历史存量和新增数据的消费处理。具体可参考通道服务概述。

我们可以将 Spark streamimg 或者 Flink 和 Tablestore 的通道服务进行对接，对于表格存储中的数据变动，进行实时计算，完成上述场景中的需求。

本文架构 

本文分别使用 Spark streaming 和 Flink 对接 Tablestore 的通道服务，完成对订单数量和成交额的实时统计。原始订单数据由 Java 服务写入到 MySQL，再由 DTS 服务将数据同步到 Tablestore，这一部分内容已经在前面的文章中详细说明。Spark streaming / Flink 通过通道服务拿到实时数据变化，聚合，将统计结果写回到 Tablestore 中的 sink 表中。完整架构如下：

准备工作

Tablestore 申请

申请 Tablestore 的过程已经在前面的文章中进行详细描述，这里不再重复。可以参考开通表格存储服务。

创建源表并开通 Tunnel 服务

在 Tablestore 中建表的过程不再进行描述。本文，使用 DTS 同步工具将 MySQL 中的数据同步到 Tablestore 中，Tablestore 中的订单表 order_contract 为 DTS 服务自动创建，其表结构如下：

建表后在实例管理页，找到“数据表列表”，点击刚刚创建的表order_contract进入表管理页面。

在表管理页面，选择实时消费通道，创建通道，

通道名称自定，通道类型选择增量。点击确定完成通道创建。

此时可以看到创建的通道的通道 id。

创建 sink 表

sink 表用于存储 Spark streaming 计算后的结果数据。在本文中 sink 表命名为 order_sink，用于存储单位时间段内订单成交数量和成交额。其表结构如下：

Spark streaming 对接 Tunnel

创建集群

创建阿里云E-MapReduce的Hadoop集群，文档参见创建集群。

登录 Spark-sql 客户端

在集群管理页面，点击创建的集群。

点击主机列表，点击emr-header-1机器。

点击远程连接，

选择立即登录。

输入创建集群时设定的密码。登录机器。

在指令行输入以下指令，登录 Spark-sql 客户端，

streaming-sql --driver-class-path emr-datasources_shaded_*.jar --jars emr-datasources_shaded_*.jar --master yarn-client --num-executors 8 --executor-memory 2g --executor-cores 2

进入如下界面。

流计算

在 Spark-sql 中执行 SQL，创建源表，

DROP TABLE IF EXISTS order_contract;
CREATE TABLE order_contract
USING tablestore
OPTIONS(
endpoint="https://test-20210609.cn-hangzhou.vpc.tablestore.aliyuncs.com",
access.key.id="",
access.key.secret="",
instance.name="test-20210609",
table.name="order_contract",
tunnel.id="3d71bb67-58da-4c72-b36f-08b79df7c85d",
catalog='{"columns": {"oId": {"col": "oId", "type": "string"}, "total_price": {"col": "total_price", "type": "double"}, "pay_time": {"cols": "pay_time", "type": "long"}}}'
);

执行以下 SQL 创建目标表，

DROP TABLE IF EXISTS order_sink;
CREATE TABLE order_sink
USING tablestore
OPTIONS(
endpoint="https://test-20210609.cn-hangzhou.vpc.tablestore.aliyuncs.com",
access.key.id="",
access.key.secret="",
instance.name="test-20210609",
table.name="order_sink",
catalog='{"columns":{"order_start":{"col":"order_start","type":"string"},"order_end":{"col":"order_end","type":"string"},"order_count":{"col":"order_count","type":"long"},"total_price":{"total_price":"end","type":"double"}}}'
);

在目标表建立视图，

CREATE SCAN order_contract_view ON order_contract USING STREAM OPTIONS ("maxoffsetsperchannel"="10000");

创建 Stream 任务，

CREATE STREAM job1
options(
checkpointLocation='/tmp/spark/cp/job1',
outputMode='update'
)
INSERT INTO order_sink
SELECT CAST(window.start AS String) AS order_start, CAST(window.end AS String) AS order_end, 
count(*) AS order_count, sum(total_price) AS total_price 
FROM order_contract_view 
GROUP BY window(to_timestamp(pay_time / 1000000), "30 seconds");

提交任务后，可以看到机器执行流式任务输出的日志。

计算结果

可以在 order_sink 表中看到实时统计结果如图。

Flink 对接 Tunnel

创建集群

下单后，在控制台，点击创建集群。

选择订单号，点击下一步。

填入集群信息。

选择 OSS Bucket、VPC、Zone。若没有可以点击右侧问号新建。点击下一步，点击创建。

等待集群启动，启动成功后，可以点击创建项目。

创建项目

点击创建项目，填入参数。点击确定。

可以在项目列表看到新建的项目。

流计算

在项目列表点击新建的项目，点击开发。

新建作业。输入作业名。

创建作业成功后，在页面中填入如下 SQL。

CREATE TABLE order_contract (
    oId VARCHAR,
    c_id VARCHAR,
    c_name VARCHAR,
    create_time VARCHAR,
    has_paid BIGINT,
    p_brand VARCHAR,
    p_count BIGINT,
    p_id VARCHAR,
    p_name VARCHAR,
    p_price DOUBLE,
    pay_time BIGINT,
    s_id VARCHAR,
    s_name VARCHAR,
    total_price DOUBLE,
    ts AS PROCTIME(),
    primary key(oId)
) WITH (
    type = 'ots',
    instanceName = 'test-20210609',
    tableName = 'order_contract',
    accessId = '',
    accessKey = '',
    endPoint = 'https://test-20210609.cn-hangzhou.vpc.tablestore.aliyuncs.com',
    tunnelName = 'test20210610'
);


CREATE TABLE order_sink (
    order_start VARCHAR,
    order_end VARCHAR,
    order_count BIGINT,
    total_price DOUBLE,
    primary key(order_start)
) WITH (
    type = 'ots',
    instanceName = 'test-20210609',
    tableName = 'order_sink',
    accessId = '',
    accessKey = '',
    endPoint = 'https://test-20210609.cn-hangzhou.vpc.tablestore.aliyuncs.com',
    valueColumns = 'order_end,order_count,total_price'
);

INSERT INTO order_sink
SELECT 
    DATE_FORMAT(TUMBLE_START(order_contract.ts, INTERVAL '30' SECOND), 'yyyy-MM-dd hh:mm:ss') AS order_start,
    DATE_FORMAT(TUMBLE_END(order_contract.ts, INTERVAL '30' SECOND), 'yyyy-MM-dd hh:mm:ss') AS order_end,
    COUNT(oId) as order_count,
    SUM(total_price) as total_price
FROM order_contract
GROUP BY TUMBLE(ts, INTERVAL '30' SECOND);

点击语法检查，通过后。点击上线。

选择系统分配，点击下一步继续。

SQL 检查通过后，继续点击下一步。填入期望事件后，点击下一步，点击上线。

上线成功后，可以在运维页看到作业如图。

计算结果

可以在 order_sink 表中看到实时统计结果如图。

总结

表格存储通过通道服务，对流式数据计算进行了支持。相比于 MySQL 中解析 binlog 方案，使用 Tablestore 通道服务直接对接流式处理工具，运维开发成本更低，系统架构更加简单。本文分别使用了 Spark streaming 和 Flink 对订单系统中典型场景进行了模拟操作，完成了实时统计交易额、订单数的流式作业，整个过程简单易懂。