flinksql实时数仓

  1. 监听binlog上传到nsq
  2. nsq转kafka,
  3. flinksql获取kafkaTable
  4. 聚合将结果写到hbase
image.png
-- kafka
create table dw_dws_pay_stored_card_recharge
(
recharge_no               varchar
, kdt_id                    varchar
, hq_kdt_id                 varchar
, operator_name             varchar
, recharge_time             varchar
, stored_card_recharge_amt  bigint
) with (
           'connector.type' = 'kafka'
         , 'connector.version' = '0.10'
         , 'connector.topic' = '对应的Topic'
         , 'connector.properties.0.key' = 'group.id'
         , 'connector.properties.0.value' = 'dw_dws_pay_stored_card_recharge'
         , 'connector.properties.1.key' = 'bootstrap.servers'
         , 'connector.properties.1.value' = 'ip1:9092,ip2:9092'
         , 'connector.property-version' = '1'
         , 'connector.startup-mode' = 'latest-offset'
         , 'format.type' = 'json'
         , 'format.property-version' = '1'
         , 'format.derive-schema' = 'true'
         , 'update-mode' = 'append'
);


create table dw_dwa_pay_stored_card_team_operator
(
rowkey  varchar
, cf  row  (stored_card_recharge_amt bigint)
) with (
 'connector.type' = 'hbase'
,'connector.version' = '1.4.3'
,'connector.table-name' = 'dw_dwa_pay_stored_card_team_operator'
,'connector.zookeeper.quorum' = 'ip1,ip2'
,'connector.property-version' = '1'
,'connector.write.buffer-flush.max-rows'='10'
,'connector.write.buffer-flush.interval'='3s'
);

insert into dw_dwa_pay_stored_card_team_operator
select
    concat_ws('_', reverse(cast(hq_kdt_id as varchar)), '_', operator_name, '_', date_format(recharge_time, 'yyyyMMdd'))
  , row (
            sum(stored_card_recharge_amt)
        )
from
    dw_dws_pay_stored_card_recharge
where
    recharge_time >= date_format(timestampadd(hour, -16, current_timestamp), 'yyyy-MM-dd')
group by
    concat_ws('_', reverse(cast(hq_kdt_id as varchar)), '_', operator_name, '_', date_format(recharge_time, 'yyyyMMdd'));



©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 216,193评论 6 498
  • 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 92,306评论 3 392
  • 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 162,130评论 0 353
  • 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 58,110评论 1 292
  • 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 67,118评论 6 388
  • 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 51,085评论 1 295
  • 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 40,007评论 3 417
  • 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 38,844评论 0 273
  • 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 45,283评论 1 310
  • 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 37,508评论 2 332
  • 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 39,667评论 1 348
  • 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 35,395评论 5 343
  • 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 40,985评论 3 325
  • 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 31,630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 32,797评论 1 268
  • 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 47,653评论 2 368
  • 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 44,553评论 2 352