ETL用户数据处理: kafka->spark->kudu

数据结构

kafka数据结构

基于前两章 数据埋点设计和SDK源码数据采集和验证方案的介绍, 我们是使用filebeat采集容器日志到kafka, 使用kafka-eagle查看kafka数据。

image.png

经过json格式化(bejson, json之后,可得到以下数据格式, 由此可知真正的日志数据在message.request字段。

{
    "@timestamp": "2022-01-24T06:02:17.791Z",
    "@metadata": {
        "beat": "filebeat",
        "type": "_doc",
        "version": "7.9.3"
    },
    "host": {
        "name": "df6d1b047497"
    },
    "message": {
        "request": "{\"agent\":\"python-requests/2.25.1\",\"game_id\":8,\"ip\":\"172.188.22.22",\"properties\":{\"account_id\":\"143\",\"ad\":\"817\",\"ad_id\":\"476\",\"ad_set\":\"261\",\"ads_type\":\"type2\",\"campaign\":\"场景2\",\"campaign_id\":\"来源3\",\"channel\":\"渠道1\",\"coin_num\":\"7386\",\"create_role_time\":\"1642150216868\",\"current_base_level\":\"7\",\"current_level\":\"62\",\"current_role_power\":\"8667\",\"diamond_num\":\"3275\",\"first_game_start_time\":\"1642150216868\",\"first_login_time\":\"1642150216868\",\"first_pay_base_level\":\"4\",\"first_pay_level\":\"43\",\"first_pay_time\":\"1642150216868\",\"first_recharge_time\":\"1642150216868\",\"from_resource_id\":\"来源3\",\"guild_id\":\"19\",\"is_old_user\":\"0\",\"last_game_start_time\":\"1642150217727\",\"last_login_time\":\"1642150216868\",\"latest_login_time\":\"1642150217491\",\"max_battle_id\":\"592\",\"max_level_id\":\"894\",\"media_source\":\"渠道2\",\"register_time\":\"1642150216868\",\"role_id\":\"848\",\"role_type\":\"type3\",\"server_id\":\"2\",\"total_pay_amount\":\"1799\",\"user_level\":\"53\",\"vip_level\":\"33\"},\"time\":1643000614652,\"timestamp\":\"1643004137774\",\"timezone\":\"Asia/Shanghai\",\"type\":\"profile_set\",\"uid\":\"uid_143\",\"uid_type\":\"1\"}",
        "type": "entity",
        "app": "sdk_event",
        "level": "info",
        "ts": 1.6430041377917705e+09,
        "caller": "log/logger.go:81",
        "msg": "entity"
    },
    "log": {
        "offset": 492754230,
        "file": {
            "path": "/var/lib/docker/containers/36847a16c7c8e029744475172847cd14dda0dc28d1c33199df9f8c443e2798ee/36847a16c7c8e029744475172847cd14dda0dc28d1c33199df9f8c443e2798ee-json.log"
        }
    },
    "stream": "stderr",
    "input": {
        "type": "docker"
    },
    "agent": {
        "name": "df6d1b047497",
        "type": "filebeat",
        "version": "7.9.3",
        "hostname": "df6d1b047497",
        "ephemeral_id": "c711a4c8-904a-4dfe-9696-9b54f9dde4a9",
        "id": "d4671f09-1ec3-4bfd-bb6d-1a08761926f9"
    },
    "ecs": {
        "version": "1.5.0"
    }
}

最终的数据格式如下

{
    "agent": "python-requests/2.25.1",
    "game_id": 8,
    "ip": "172.188.22.22",
    "properties": {
        "account_id": "143",
        "ad": "817",
        "ad_id": "476",
        "ad_set": "261",
        "ads_type": "type2",
        "campaign": "场景2",
        "campaign_id": "来源3",
        "channel": "渠道1",
        "coin_num": "7386",
        "create_role_time": "1642150216868",
        "current_base_level": "7",
        "current_level": "62",
        "current_role_power": "8667",
        "diamond_num": "3275",
        "first_game_start_time": "1642150216868",
        "first_login_time": "1642150216868",
        "first_pay_base_level": "4",
        "first_pay_level": "43",
        "first_pay_time": "1642150216868",
        "first_recharge_time": "1642150216868",
        "from_resource_id": "来源3",
        "guild_id": "19",
        "is_old_user": "0",
        "last_game_start_time": "1642150217727",
        "last_login_time": "1642150216868",
        "latest_login_time": "1642150217491",
        "max_battle_id": "592",
        "max_level_id": "894",
        "media_source": "渠道2",
        "register_time": "1642150216868",
        "role_id": "848",
        "role_type": "type3",
        "server_id": "2",
        "total_pay_amount": "1799",
        "user_level": "53",
        "vip_level": "33"
    },
    "time": 1643000614652,
    "timestamp": "1643004137774",
    "timezone": "Asia/Shanghai",
    "type": "profile_set",
    "uid": "uid_143",
    "uid_type": "1"
}

kudu表数据结构

每个应用创建一个用户表 user_profile_应用id, 定义表结构字段, 假设定义的表结构字段如下

   // 建表的固定字段Schema定义
   val userInfoSchema: StructType = StructType(
       StructField("uid", StringType, false) ::
           StructField("uid_type", StringType, false) ::
           StructField("game_id", IntegerType, false) ::
           StructField("day", StringType, false) ::
           StructField("agent", StringType, true) ::
           StructField("ip", StringType, true) ::
           StructField("timestamp", TimestampType, true) ::
           StructField("time", TimestampType, true) ::
           StructField("timezone", StringType, true) ::
           StructField("year", StringType, true) ::
           StructField("month", StringType, true) ::
           StructField("week", StringType, true) ::
           StructField("hour", StringType, true) ::
           StructField("minute", StringType, true) :: Nil
       )
   // 固定表主键
   val keySeq = Seq("uid", "uid_type", "game_id")
   // 固定分区键
   val partitionList = List("uid_type", "game_id")
image.png

Spark处理逻辑

源代码仓库

读取kafka数据
val stream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
    ssc,
    LocationStrategies.PreferConsistent,
    ConsumerStrategies.Subscribe[String, String](topic.split(","), kafkaParams))
日志解析

将kafka日志解析成kudu表所需数据字段和类型

def filebeat2log(value: String, myAccumulator: MyAccumulator): (String, Map[String, (String, String)]) = {
        val data: JSONObject = JSON.parseObject(value).getJSONObject("message").getJSONObject("request")
        val map: mutable.HashMap[String, (String,String)] = new mutable.HashMap[String, (String,String)]()
        var uid = ""
        var uid_type = ""
        try {
            val jsonKey = data.keySet()
            val iter = jsonKey.iterator()
            uid = data.getString("uid")
            uid_type = data.getString("uid_type")
            val time = data.getString("time")
            val timezone = data.getString("timezone")
            val timeStr = TimeUtil.timestamp2str(time, timezone = timezone)
            // 添加新的gameId到累加器中
            val game_id = data.get("game_id").toString.toInt
            myAccumulator.add(game_id)
            // 解析字段封装到map中,会拆分properties
            while (iter.hasNext) {
                val instance = iter.next()
                var value = ""
                value = if (data.get(instance) == null) "" else data.get(instance).toString.toLowerCase
                if (instance.toLowerCase == "timezone") value = data.get(instance).toString
                if (instance == "properties") {
                    val propMap = data.getJSONObject(instance).asScala
                    for ((k, v) <- propMap) map.put(k, (v.toString,timeStr))
                }
                else {
                    map.put(instance, (value,timeStr))
                }
            }
        }catch {
            case e: NullPointerException => {
                println("缺少关键字段")
            }
        }
        (uid+"-"+uid_type,map.toMap)
    }
创建应用id的累加器

创建在集群模式下累加的变量,便于每个excutor数据同步

class MyAccumulator extends AccumulatorV2[Int,Set[Int]]{
    // 定义一个集合,用来装game_id
    var set: mutable.Set[Int] = mutable.Set[Int]()
    
    // 是否为初始化状态,如果集合数据为空,即为初始化状态
    override def isZero: Boolean = set.isEmpty
    
    // 复制累加器
    override def copy(): AccumulatorV2[Int, Set[Int]] = {
        val newAccumulator = new MyAccumulator()
        newAccumulator.set = this.set
        newAccumulator
    }
    
    // 重置累加器。清空集合元素。让集合为空
    override def reset(): Unit = {
        this.set.clear()
    }
    
    override def add(v: Int): Unit = {
        this.set.add(v)
    }
    
    override def merge(other: AccumulatorV2[Int, Set[Int]]): Unit = {
        this.set ++= other.value
    }
    
    override def value: Set[Int] = {
        this.set.toSet
    }
}
kudu建表和数据写入
    // 创建kudu表
    def createTable(kuduContext: KuduContext,
                    tableName: String,
                    schema: StructType,
                    keySeq: Seq[String],
                    partitionList: List[String],
                    bucketNum: Int = 2,
                    replicaNum: Int = 1): Unit = {
        //判断表是否存在
        if (!kuduContext.tableExists(tableName)) {
            // 表不存在,创建表
            val createTableOptions = new CreateTableOptions()
            // 设置哈希分区、哈希桶数(大于2)及副本数
            createTableOptions.addHashPartitions(partitionList.asJava, bucketNum).setNumReplicas(replicaNum)
            // 创建表
            kuduContext.createTable(tableName, schema, keySeq, createTableOptions)
            println(s"==== create Kudu Table: $tableName ====")
        }
    }

    // 插入数据,append模式,对已有key的数据自动更新
    def upsertTable2(tableName: String, df: DataFrame, kuduMaster: String): Unit = {
        df.write.options(Map(
            "kudu.master" ->kuduMaster,
            "kudu.table" -> tableName,
            "kudu.operation.timeout.ms" -> "1000000"))
          .mode("append").kudu
    }
    
    // 插入数据,append模式,对已有key的数据自动更新
    def alterRow(kuduContext: KuduContext, tableName: String): Unit = {
        val client = kuduContext.syncClient
        val table = kuduContext.syncClient.openTable(tableName)
        val session = client.newSession()
        val upsert = table.newUpsert()
        val row: PartialRow = upsert.getRow
        row.addString("uid","uid_0")
        session.apply(upsert)
    }

   // 读取kudu表
    def readKudu(spark: SparkSession,tableName: String, kuduMaster: String): DataFrame ={
        val kuduDF: DataFrame = spark.read.options(Map(
            "kudu.master" -> kuduMaster,
            "kudu.table" -> tableName,
            "kudu.operation.timeout.ms" -> "1000000")).kudu
        kuduDF
    }

Dolphinscheduler-Yarn调度

任务调度

image.png

查看日志

image.png

Presto查询Kudu数据

客户端连接Presto Server

presto-cli --server slaves01:18080 --catalog hive --schema default
presto-cli --server slaves01:18080 --catalog kudu --schema default

查询数据

select * from kudu.default.user_profile_10 limit 1;

  uid  | uid_type | game_id |    day     |         agent          |      ip      |        timestamp        |          time           |   timezone    | year |  month  |         week          |     hour      |      minute
-------+----------+---------+------------+------------------------+--------------+-------------------------+-------------------------+---------------+------+---------+-----------------------+---------------+------------------
 uid_0 | 1        |      10 | 2022-01-22 | python-requests/2.25.1 | 172.13.1.230 | 2022-01-22 10:36:14.375 | 2022-01-22 10:26:15.338 | Asia/Shanghai | 2022 | 2022-01 | 2022-01-22:10(第四周) | 2022-01-22 10 | 2022-01-22 10:26

系列文章

第一篇: Ambari自动化部署
第二篇: 数据埋点设计和SDK源码
第三篇: 数据采集和验证方案
第四篇: ETL实时方案: Kafka->Flink->Hive
第五篇: ETL用户数据处理: kafka->spark->kudu
第六篇: Presto分析模型SQL和UDF函数

最后编辑于
©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 217,542评论 6 504
  • 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 92,822评论 3 394
  • 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 163,912评论 0 354
  • 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 58,449评论 1 293
  • 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 67,500评论 6 392
  • 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 51,370评论 1 302
  • 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 40,193评论 3 418
  • 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 39,074评论 0 276
  • 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 45,505评论 1 314
  • 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 37,722评论 3 335
  • 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 39,841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 35,569评论 5 345
  • 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 41,168评论 3 328
  • 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 31,783评论 0 22
  • 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 32,918评论 1 269
  • 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 47,962评论 2 370
  • 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 44,781评论 2 354

推荐阅读更多精彩内容