基于flink,kafka实现的热门商品实时统计

基本流程可以总结为一下

1. 创建env

2. 定义Time类型

3. 设置并行度

4. 获取流,可以是使用readTextFile("path"),也可以是用

.addSource( new FlinkKafkaConsumer[String]("hotitems", new SimpleStringSchema(), properties) )消费kafka的数据,properties需要前面定义好

new Properity()

5. 通过map将每一行的数据切分并转换为对应的类型

6. 指定时间戳和水印

7. .filter(_.behavior == "pv")

8. .keyBy("itemId")

9.  .timeWindow(Time.hours(1), Time.minutes(5))

10. .aggregate( new CountAgg(), new WindowResultFunction() )//此处需要实现这两个方法,分别继承对应的类

11. .keyBy("windowEnd")

12. .process( new TopNHotItems(3))//此处也需要完成该方法

13. .print()

****************************************************************************************************************

import java.sql.Timestamp

import java.util.Properties

import org.apache.flink.api.common.functions.AggregateFunction

import org.apache.flink.api.common.serialization.SimpleStringSchema

import org.apache.flink.api.common.state.{ListState, ListStateDescriptor}

import org.apache.flink.api.java.tuple.{Tuple, Tuple1}

import org.apache.flink.configuration.Configuration

import org.apache.flink.streaming.api.TimeCharacteristic

import org.apache.flink.streaming.api.functions.KeyedProcessFunction

import org.apache.flink.streaming.api.scala._

import org.apache.flink.streaming.api.scala.function.WindowFunction

import org.apache.flink.streaming.api.windowing.time.Time

import org.apache.flink.streaming.api.windowing.windows.TimeWindow

import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer

import org.apache.flink.util.Collector

import scala.collection.mutable.ListBuffer

// 输入数据样例类

case class UserBehavior( userId: Long, itemId: Long, categoryId: Int, behavior:String, timestamp: Long )

// 输出数据样例类

case class ItemViewCount( itemId: Long, windowEnd: Long, count: Long )

object HotItems {

def main(args: Array[String]): Unit = {

val properties =new Properties()

properties.setProperty("bootstrap.servers","localhost:9092")

properties.setProperty("group.id","consumer-group")

properties.setProperty("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer")

properties.setProperty("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer")

properties.setProperty("auto.offset.reset","latest")

// 创建一个env

    val env = StreamExecutionEnvironment.getExecutionEnvironment

    // 显式地定义Time类型

    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

env.setParallelism(1)

val stream = env

//  .readTextFile("D:\\Projects\\BigData\\UserBehaviorAnalysis\\HotItemsAnalysis\\src\\main\\resources\\UserBehavior.csv")

 .addSource(new FlinkKafkaConsumer[String]("hotitems",new SimpleStringSchema(), properties) )

.map(line => {

val linearray = line.split(",")

UserBehavior( linearray(0).toLong, linearray(1).toLong, linearray(2).toInt, linearray(3), linearray(4).toLong )

})

// 指定时间戳和watermark

      .assignAscendingTimestamps(_.timestamp *1000)

.filter(_.behavior =="pv")

.keyBy("itemId")

.timeWindow(Time.hours(1), Time.minutes(5))

.aggregate(new CountAgg(),new WindowResultFunction() )

.keyBy("windowEnd")

.process(new TopNHotItems(3))

.print()

// 调用execute执行任务

    env.execute("Hot Items Job")

}

// 自定义实现聚合函数

  class CountAggextends AggregateFunction[UserBehavior, Long, Long]{

override def add(value: UserBehavior, accumulator: Long): Long = accumulator +1

    override def createAccumulator(): Long =0L

    override def getResult(accumulator: Long): Long = accumulator

override def merge(a: Long, b: Long): Long = a + b

}

// 自定义实现Window Function,输出ItemViewCount格式

  class WindowResultFunctionextends WindowFunction[Long, ItemViewCount, Tuple, TimeWindow]{

override def apply(key: Tuple, window: TimeWindow, input:Iterable[Long], out: Collector[ItemViewCount]): Unit = {

val itemId: Long = key.asInstanceOf[Tuple1[Long]].f0

      val count = input.iterator.next()

out.collect(ItemViewCount(itemId, window.getEnd, count))

}

}

// 自定义实现process function

  class TopNHotItems(topSize: Int)extends KeyedProcessFunction[Tuple, ItemViewCount,String]{

// 定义状态ListState

    private var itemState: ListState[ItemViewCount] = _

override def open(parameters: Configuration): Unit = {

super.open(parameters)

// 命名状态变量的名字和类型

      val itemStateDesc =new ListStateDescriptor[ItemViewCount]("itemState",classOf[ItemViewCount])

itemState = getRuntimeContext.getListState(itemStateDesc)

}

override def processElement(i: ItemViewCount, context: KeyedProcessFunction[Tuple, ItemViewCount,String]#Context, collector: Collector[String]): Unit = {

itemState.add(i)

// 注册定时器,触发时间定为 windowEnd + 1,触发时说明window已经收集完成所有数据

      context.timerService.registerEventTimeTimer( i.windowEnd +1 )

}

// 定时器触发操作,从state里取出所有数据,排序取TopN,输出

    override def onTimer(timestamp: Long, ctx: KeyedProcessFunction[Tuple, ItemViewCount,String]#OnTimerContext, out: Collector[String]): Unit = {

// 获取所有的商品点击信息

      val allItems: ListBuffer[ItemViewCount] = ListBuffer()

import  scala.collection.JavaConversions._

for(item <-itemState.get){

allItems += item

}

// 清除状态中的数据,释放空间

      itemState.clear()

// 按照点击量从大到小排序,选取TopN

      val sortedItems = allItems.sortBy(_.count)(Ordering.Long.reverse).take(topSize)

// 将排名数据格式化,便于打印输出

      val result:StringBuilder =new StringBuilder

result.append("====================================\n")

result.append("时间:").append(new Timestamp(timestamp -1)).append("\n")

for( i <- sortedItems.indices ){

val currentItem: ItemViewCount = sortedItems(i)

// 输出打印的格式 e.g.  No1:  商品ID=12224  浏览量=2413

        result.append("No").append(i+1).append(":")

.append("  商品ID=").append(currentItem.itemId)

.append("  浏览量=").append(currentItem.count).append("\n")

}

result.append("====================================\n\n")

// 控制输出频率

      Thread.sleep(100)

out.collect(result.toString)

}

}

}

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,047评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,807评论 3 386
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,501评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,839评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,951评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,117评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,188评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,929评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,372评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,679评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,837评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,536评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,168评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,886评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,129评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,665评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,739评论 2 351

推荐阅读更多精彩内容