百度智能云

百度智能云百度智能云
最佳实践 > CDN 接口日志聚合统计
CDN 接口日志聚合统计
  • 概览
  • 需求场景
  • 方案概述
  • 配置步骤
  • 定义 BKAFKA Source 表
  • 定义 Palo Sink 表
  • 编写数据聚合DML语句
  • 相关产品

CDN 接口日志聚合统计

更新时间:

概览

用户对 CDN 接口日志进行聚合统计。

需求场景

所有的 CDN 接口调用日志通过 flume 直接推送到 百度消息服务(BKAFKA)中作为流式计算 source , 在我们 BSC 中创建 SPARK_STREAM/SQL 类型的作业用于 CDN 接口调用日志的聚合统计,并实时将聚合结果写到 百度数据仓库(Palo)当中,用户可以利用 数据可视化工具(如 Sugar BI)等调用 Palo 的 API 完成数据展示。

方案概述

服务器 → BKAFKA → BSC → Palo → Sugar BI

配置步骤

一个完整的 Spark SQL 作业由 source 表、sink 表和 DML 语句构成。

定义 BKAFKA Source 表

```SQL label=SPARK
CREATE TABLE source_kafka_table (
    `prefix` STRING,
    `region` STRING,
    `userIdSrc` STRING,
    `clusterNameSrc` STRING,
    `transDurationSrc` DOUBLE,
    `srcDurationSrc` STRING,
    `ts` BIGINT
) WITH (
    'connector.type' = 'BKAFKA',
    'format.encode' = 'CSV',
    'format.attributes.field-delimiter' = ' ', -- 分隔符为空格
    'connector.topic' = 'xxxxxxxxx__bsc-source',
    'connector.properties.bootstrap.servers' = 'kafka.bd.baidubce.com:9071',
    'connector.properties.ssl.filename' = 'kafka-key_bd.zip'
);
```

定义 Palo Sink 表

```SQL label= SPARK
CREATE TABLE sink_palo_table (
    `field` STRING
) WITH (
    'connector.type' = 'PALO',
    'format.encode' = 'TXT',
    'format.attributes.field-delimiter' = ','  -- 默认分隔符为逗号
    'connector.cluster-id' = 'xxxxxxxx',
    'connector.username' = 'admin',
    'connector.password' = 'xxxxx',
    'connector.database' = 'mct',
    'connector.table' = 'mct_statistics',
    'connector.mysql-host' = 'xxxxxxxxx-xxxxxxx-fe.palo.bd.baidubce.com',
    'connector.mysql-port' = '9030',
    'connector.compute-node-host' = 'xxxxxxxxx-xxxxxxx-be.palo.bd.baidubce.com',
    'connector.compute-node-port' = '8040'
);
```

编写数据聚合DML语句

按照某些值和指定的时间进行聚合,没有使用窗口,而是定义 5 分钟的微批触发时间来完成聚合,并且聚合状态要设置为 no state

```SQL label=SPARK
INSERT INTO
    sink_palo_table outputmode append
SELECT
    format_string('%s,%d,%s,%s,%s,%d,%f,%f\n',
        from_unixtime(`ts`/1000-(`ts`/1000)%60,'yyyy-MM-dd HH'),
        unix_timestamp(from_unixtime(`ts`/1000-(`ts`/1000)%60,'yyyy-MM-dd HH:mm'),'yyyy-MM-dd HH:mm'),
        `region`,
        `userIdSrc`,
        `clusterNameSrc`,
        count(*),
        sum(if(`srcDurationSrc` != 'null', cast(`srcDurationSrc` as double), 0)/(if(`transDurationSrc` != 0, `transDurationSrc`, 0.01))),
        sum(`transDurationSrc`)
     )
FROM
    source_kafka_table
WHERE
    prefix = 'xxxxxxxx'
GROUP BY
    `userIdSrc`,
    `clusterNameSrc`,
    `region`,
    from_unixtime(`ts`/1000-(`ts`/1000)%60,'yyyy-MM-dd HH'),
    unix_timestamp(from_unixtime(`ts`/1000-(`ts`/1000)%60,'yyyy-MM-dd HH:mm'),'yyyy-MM-dd HH:mm') aggregate no state;  -- 聚合过程设置为无状态
```

相关产品

消息服务for Kafka百度数据仓库 Palo Doris版数据可视化Sugar BI