【阿里内部应用】利用blink+MQ实现流计算中的超时统计问题-阿里云开发者社区

案例与解决方案汇总页：
阿里云实时计算产品案例&解决方案汇总

一. 背景介绍

菜鸟的物流数据本身就有链路复杂、实操节点多、汇总维度多、考核逻辑复杂的特点，对于实时数据的计算存在很大挑战。经过仓配ETL团队的努力，目前仓配实时数据已覆盖了绝大多数场景，但是有这样一类特殊指标：“晚点超时指标”（例如：出库超6小时未揽收的订单量），仍存在实时汇总计算困难。原因在于：流计算是基于消息触发计算的，若没有消息到达到则无法计算，这类指标恰好是要求在指定的超时时间计算出有多少未达到的消息。然而，这类指标对于指导实操有着重要意义，可以告知运营小二当前多少订单积压在哪些作业节点，应该督促哪些实操人员加快作业，这对于物流的时效KPI达成至关重要。

之前的方案是：由产品前端根据用户的请求查询OLAP数据库，由OLAP从明细表出结果。大促期间，用户请求量大，加之数据量大，故对OLAP的明细查询造成了比较大的压力。

二. 解决方案

2.1 问题定义

“超时晚点指标” 是指，一笔订单的两个相邻的实操节点node_n-1 、node_n 的完成时间 time_n-1、time_n，
当满足 : time_n is null && current_time - time_n-1 > kpi_length 时，time_flag_n 为 true , 该笔订单计入超时晚点指标的计数。
如下图，有一笔订单其 node_1 为出库节点，时间为time_1 = '2018-06-18 00:00:00' ，运营对出库与揽收之间考核的时长 kpi_length = 6h, 那么当前自然时间 current_time > '2018-06-18 06:00:00' 时，且node_2揽收节点的time_2 为null，则该笔订单的 timeout_flag_2 = true , “出库超6小时未揽收订单量” 加1。由于要求time_2 为null，即要求没有揽收消息下发的情况下让流计算做汇总值更新，这违背了流计算基于消息触发的基本原理，故流计算无法直接算出这种“超时晚点指标”。

决问题的基本思路是：在考核时刻（即 kpi_time = time_n-1+kpi_length ）“制造”出一条消息下发给流计算，触发汇总计算。继续上面的例子：在考核时刻“2018-06-18 06:00:00”利用MetaQ定时消息功能“制造”出一条消息下发给流计算汇总任务，触发对该笔订单的 time_out_flag_2 的判断，增加汇总计数。同时，还利用 Blink 的Retraction 机制，当time_2 由null变成有值的时候，Blink 可以对 time_out_flag_2 更新，重新计数。

2.2 方案架构

如上图所示：
Step1: Blink job1 接收来自上游系统的订单数据，做清洗加工，生成订单明细表：dwd_ord_ri，利用TT下发给Blink job2 和 Blink job3。
Step2：Blink job2 收到 dwd_ord_ri后，对每笔订单算出考核时刻 kpi_time = time_n-1+kpi_length，作为MetaQ消息的“TIMER_DELIVER_MS” 属性，写入MetaQ。MetaQ的定时消息功能，可以根据用户写入的TIMER_DELIVER_MS 在指定时刻下发给消费者，即上图中的Blink job3。
Step3：Blink job3 接收 TT、MetaQ 两个消息源，先做Join，再对time_flag判断，最后做Aggregate计算。同一笔订单，dwd_ord_ri、timing_msg任意一个消息到来，都会触发join，time_flag判断，aggregate重新计算一遍，Blink的Retraction可对结果进行实时更新。

2.3 实现细节

本方案根据物流场景中多种实操节点、多种考核时长的特点，从Blink SQL代码和自定义Sink两方面做了特殊设计，从而实现了灵活配置、高效开发。
（1） Blink job2 --- 生成定时消息
关键Blink SQL 代码如下。约定每条record的第一个字段为投递时间列表，即MetaQ向消费者下发消息的时刻List，也就是上面所说的多个考核时刻。第二个字段为保序字段，比如在物流场景中经常以订单code、运单号作为保序主键。该代码实现了对每个出库的物流订单，根据其出库时间，向后延迟6小时（21600000毫秒）、12小时（43200000毫秒）、24小时（86400000毫秒）由MetaQ向消费者下发三个定时消息。

create table metaq_timing_msg
(
deliver_time_list       varchar comment '投递时间列表', -- 约定第一个字段为投递时间list
lg_code           varchar comment '物流订单code', -- 约定第二字段为保序主键
node_name               varchar comment '节点名称',
node_time               varchar comment '节点时间',
)
WITH
(
type = 'custom',
class = 'com.alibaba.xxx.xxx.udf.MetaQTimingMsgSink',
tag = 'store',
topic = 'blink_metaq_delay_msg_test',
producergroup = 'blinktest',
retrytimes = '5',
sleeptime = '1000'
);
insert into metaq_timing_msg
select
concat_ws(',',
cast( (UNIX_TIMESTAMP(store_out_time)*1000 + 21600000) as varchar),  --6小时
cast( (UNIX_TIMESTAMP(store_out_time)*1000 + 43200000) as varchar),  --12小时
cast( (UNIX_TIMESTAMP(store_out_time)*1000 + 86400000) as varchar)   --24小时
)   as deliver_time_list,
lg_code,
'wms'  as node_name,
store_out_time  as node_time
from
(
select
lg_code,
FIRST_VALUE(store_out_time) as store_out_time
from srctable
group by lg_code
)b
where store_out_time is not null  ;

（2） Blink 自定义Sink --- MetaQTimingMsg Sink
Blink的当前版本还不支持 MetaQ的定时消息功能的Sink，故利用 Blink的自定义Sink功能，并结合菜鸟物流数据的特点开发了MetaQTimingMsg Sink。关键代码如下（实现 writeAddRecord 方法）。

@Override
public void writeAddRecord(Row row) throws IOException {
Object deliverTime = row.getField(0);
String[] deliverTimeList = deliverTime.toString().split(",");
for(String dTime:deliverTimeList){
        String orderCode = row.getField(1).toString();
        String key = orderCode + "_" + dTime;
        Message message = newMessage(row, dTime, key);
        boolean result = sendMessage(message,orderCode);
        if(!result){
            LOG.error(orderCode + " : " + dTime + " send failed");
        }
    }
}

private  Message newMessage(Row row,String deliverMillisec,String key){

    //Support Varbinary Type Insert Into MetaQ
    Message message = new Message();
    message.setKeys(key);
    message.putUserProperty("TIMER_DELIVER_MS",deliverMillisec);
    int arity = row.getArity();
    Object[] values = new Object[arity];
    for(int i=0;i<arity;i++){
        values[i]=row.getField(i);
    }
    String lineStr=org.apache.commons.lang3.StringUtils.join(values, FIELD_DELIMITER);
    try {
        byte[] bytes = lineStr.getBytes(ENCODING);
        message.setBody(bytes);
        message.setWaitStoreMsgOK(true);
    } catch (UnsupportedEncodingException e) {
        LOG.error("create new message error",e);
    }
    return message;
}

private boolean sendMessage(Message message,String orderCode){
    long retryTime = 0;
    boolean isSendSuccess = true;
    if(message != null){
        message.setTopic(topicName);
        message.setTags(tagName);
    }
    SendResult result = producer.send(message, new MessageQueueSelector() {
        @Override
        public MessageQueue select(List<MessageQueue> list, Message message, Object o) {
                 .... // 针对物流订单code的hash算法
                return list.get(index.intValue());
         }                    
    },orderCode);
    if(!result.getSendStatus().equals(SendStatus.SEND_OK)){
        LOG.error("" + orderCode +" write to metaq result is " + result.getSendStatus().toString());
        isSendSuccess = false;
    }
    return  isSendSuccess;
}
}

（3）Blink job3 --- 汇总计算
关键Blink SQL 代码如下，统计了每个仓库的“出库超6小时未揽收物理订单”、“出库超12小时未揽收物理订单”、“出库超24小时未揽收物理订单”的汇总值。代码中使用了“stringLast()”函数处理来自dwd_ord_ri的每条消息，以取得每个物流订单的最新出库揽收情况，利用Blink Retraction机制，更新汇总值。

create view dws_store_view as  
select 
    t1.store_code,
    max(t1.store_name)       as store_name,
    count(case 
            when length(trim(t1.store_out_time)) = 19
            and t1.tms_collect_time is null 
            and NOW()-UNIX_TIMESTAMP(t1.store_out_time,'yyyy-MM-dd HH:mm:ss') >= 21600
          then t2.lg_code end 
        ) as tms_not_collect_6h_ord_cnt, ---出库超6小时未揽收物流订单量
    count(case 
            when length(trim(t1.store_out_time)) = 19
            and t1.tms_collect_time is null 
            and  NOW()-UNIX_TIMESTAMP(t1.store_out_time,'yyyy-MM-dd HH:mm:ss') >= 43200
          then t2.lg_code end 
        ) as tms_not_collect_12h_ord_cnt,---出库超6小时未揽收物流订单量
    count(case 
            when length(trim(t1.store_out_time)) = 19
            and t1.tms_collect_time is null 
            and  NOW()-UNIX_TIMESTAMP(t1.store_out_time,'yyyy-MM-dd HH:mm:ss') >= 86400
          then t2.lg_code end 
        ) as tms_not_collect_24h_ord_cnt ---出库超6小时未揽收物流订单量
from 
(
    select 
        lg_code,
        coalesce(store_code,'-1')   as store_code,
        store_name,
        store_out_time,
        tms_collect_time
    from 
    (
        select 
            lg_code,
            max(store_code)          as store_code,
            max(store_name)          as store_name,
            stringLast(store_out_time)  as store_out_time,
            stringLast(tms_collect_time)as tms_collect_time, 
        from dwd_ord_ri
        group by lg_code
    ) a     
) t1
left outer join 
(
    select 
        lg_code,
    from timing_msg  
    where node_name = 'wms'
    group by lg_code
) t2
on t1.lg_code = t2.lg_code
group by
    t1.store_code
  ;

三. 方案优势

3.1 配置灵活

我们从“Blink SQL 代码” 和“自定义MetaQ” 两个方面设计，用户可以根据具体的业务场景，在Blink SQL的一个view里就能实现多种节点多种考核时间的定时消息生成，而不是针对每一个实操节点的每一种定时指标都要写一个view，这样大大节省了代码量，提升了开发效率。例如对于仓库节点的出库超6小时未揽收、超12小时未揽收、超24小时未揽收，这三个指标利用上述方案，仅需在Blink job2的中metaq_timing_msg的第一个字段deliver_time_list中拼接三个kpi_length，即6小时、12小时、24小时为一个字符串即可，由MetaQTimingMsg Sink自动拆分成三条消息下发给MetaQ。对于不同的节点的考核，仅需在node_name，node_time填写不同的节点名称和节点实操时间即可。

3.2 主键保序

如2.3节所述，自定义的Sink中实现了MetaQ的 MessageQueueSelector 接口的 select() 方法，同时在Blink SQL 生成的MetaQ消息默认第二个字段为保序主键字段。从而，可以根据用户自定义的主键，保证同一主键的所有消息放在同一个通道内处理，从而保证按主键保序，这对于流计算非常关键，能够实现数据的实时准确性。

3.3 性能优良

让专业的团队做专业的事。个人认为，这种大规模的消息存储、消息下发的任务本就应该交给“消息中间件”来处理，这样既可以做到计算与消息存储分离，也可以方便消息的管理，比如针对不同的实操节点，我们还可以定义不同的MetaQ的tag。
另外，正如2.2节所述，我们对定时消息量做了优化。考虑到一笔订单的属性字段或其他节点更新会下发多条消息，我们利用了Blink的FIRST_VALUE函数，在Blink job2中同一笔订单的的一种考核指标只下发一条定时消息，大大减少了消息量，减轻了Blink的写压力，和MetaQ的存储。

四. 自我介绍

马汶园阿里巴巴 -菜鸟网络—数据部数据工程师
菜鸟仓配实时研发核心成员，主导多次仓配大促实时数据研发，对利用Blink的原理与特性解决物流场景问题有深入思考与理解。

【阿里内部应用】利用blink+MQ实现流计算中的超时统计问题

一. 背景介绍

二. 解决方案

2.1 问题定义

2.2 方案架构

2.3 实现细节

三. 方案优势

3.1 配置灵活

3.2 主键保序

3.3 性能优良

四. 自我介绍

实时计算 Flink

热门文章

最新文章

相关课程

相关电子书

相关实验场景