作者：齊智@TiDB
隨著互聯網飛速發展，企業業務種類會越來越多，業務數據量會越來越大，當發展到一定規模時，傳統的數據存儲結構逐漸無法滿足企業需求，實時數據倉庫就變成了一個必要的基礎服務。以維表 Join 為例，數據在業務數據源中以範式表的形式存儲，在分析時需要做大量的 Join 操作，降低性能。如果在數據清洗導入過程中就能流式的完成 Join，那麼分析時就無需再次 Join，從而提升查詢性能。
利用實時數倉，企業可以實現實時 OLAP 分析、實時數據看板、實時業務監控、實時數據接口服務等用途。但想到實時數倉，很多人的第一印象就是架構複雜，難以操作與維護。而得益於新版 Flink 對 SQL 的支持，以及 TiDB HTAP 的特性，我們探索了一個高效、易用的 Flink+TiDB 實時數倉解決方案。
本文將首先介紹實時數倉的概念，然後介紹 Flink+TiDB 實時數倉的架構與優勢，接著給出一些已經在使用中的用戶場景，最後給出在 docker-compose 環境下的 Demo，用於讀者進行嘗試。
實時數倉的概念
數據倉庫的概念在 90 年代由 Bill Inmon 提出，是指一個面向主題的、集成的、相對穩定的、反映歷史變化的集合，用於支持管理決策。當時的數據倉庫通過消息隊列收集來自數據源的數據，通過每天或每週進行一次計算以供報表使用，也稱為離線數倉。
離線數倉架構
進入 21 世紀，隨著計算技術的發展、以及整體算力的提升，決策的主體逐漸從人工控制轉變為計算機算法，出現了實時推薦、實時監控分析等需求，對應的決策週期時間由天級逐步變為秒級，在這些場景下，實時數倉應運而生。
當前的實時數倉主要有三種架構：Lambda架構、Kappa 架構以及實時 OLAP 變體架構：
- Lambda 架構是指在離線數倉的基礎上疊加了實時數倉部分，使用流式引擎處理實時性較高的數據，最後將離線和在線的結果統一供應用使用。
實時數倉的 Lambda 架構
- Kappa 架構則移除了離線數倉部分，全部使用實時數據生產。這種架構統一了計算引擎，降低了開發成本。
實時數倉的 Kappa 架構
- 隨著實時 OLAP 技術的提升，一個新的實時架構被提出，暫時被稱為“實時 OLAP 變體”。簡單來說，就是將一部分計算壓力從流式計算引擎轉嫁到實時 OLAP 分析引擎上，以此進行更加靈活的實時數倉計算。
總結一下，對於實時數倉，Lambda 架構需要維護流批兩套引擎，開發成本相較其它兩者更高。相比於 Kappa 架構，實時 OLAP 變體架構可以執行更加靈活的計算，但需要依賴額外的實時 OLAP 算力資源。接下來我們將介紹的 Flink + TiDB 實時數倉方案，就屬於實時 OLAP 變體架構。
關於實時數倉及這些架構更加詳細的對比說明，有興趣的讀者可以參考 Flink 中文社區的這篇文章：基於 Flink 的典型 ETL 場景實現方案。
Flink+ TiDB 實時數倉
Flink 是一個低延遲、高吞吐、流批統一的大數據計算引擎，被普遍用於高實時性場景下的實時計算，具有支持 exactly-once 等重要特性。
在集成了 TiFlash 之後，TiDB 已經成為了真正的 HTAP（在線事務處理 OLTP + 在線分析處理 OLAP）數據庫。換句話說，在實時數倉架構中，TiDB 既可以作為數據源的業務數據庫，進行業務查詢的處理；又可以作為實時 OLAP 引擎，進行分析型場景的計算。
結合了 Flink 與 TiDB 兩者的特性，Flink+ TiDB 的方案的優勢也體現了出來：首先是速度有保障，兩者都可以通過水平擴展節點來增加算力；其次，學習和配置成本相對較低，因為 TiDB 兼容 MySQL 5.7 協議，而最新版本的 Flink 也可以完全通過 Flink SQL 和強大的連接器（connector）來編寫提交任務，節省了用戶的學習成本。
對於 Flink + TiDB 實時數倉，下面是幾種常用的搭建原型，可以用來滿足不同的需求，也可以在實際使用中自行擴展。
以 MySQL 作為數據源
通過使用 Ververica 官方提供的 flink-connector-mysql-cdc，Flink 可以既作為採集層採集 MySQL 的 binlog 生成動態表，也作為流計算層實現流式計算，如流式 Join、預聚合等。最後，Flink 通過 JDBC 連接器將計算完成的數據寫入 TiDB 中。
以 MySQL 作為數據源的簡便架構
這個架構的優點是非常簡潔方便，在 MySQL 和 TiDB 都準備好對應數據庫和表的情況下，可以通過只編寫 Flink SQL 來完成任務的註冊與提交。讀者可以在本文末尾的【在docker-compose 中進行嘗試】一節中嘗試此架構。
以 Kafka 對接 Flink
如果數據已經從其它途徑存放到了Kafka 中，可以方便地通過 Flink Kafka Connector 使 Flink 從 Kafka 中獲得數據。
在這裡需要提一下的是，如果想要將 MySQL 或其它數據源的變更日誌存放在 Kafka 中後續供 Flink 處理，那麼推薦使用 Canal 或 Debezium 採集數據源變更日誌，因為 Flink 1.11 原生支持解析這兩種工具格式的 changelog，無需再額外實現解析器。
以 MySQL 作為數據源，經過 Kafka 的架構示例
以 TiDB 作為數據源
TiCDC 是一款通過拉取 TiKV 變更日誌實現的 TiDB 增量數據同步工具，可以利用其將 TiDB 的變更數據輸出到消息隊列中，再由 Flink 提取。
以 TiDB 作為數據源，通過 TiCDC 將 TiDB 的增量變化輸出到 Flink 中
在 4.0.7 版本，可以通過 TiCDC Open Protocol來完成與 Flink 的對接。在之後的版本，TiCDC 將支持直接輸出為 canal-json 形式，以供 Flink 使用。
案例與實踐
上個部分介紹了一些基礎的架構，實踐中的探索往往更加複雜和有趣，這一部分將介紹一些具有代表性和啟發性的用戶案例。
小紅書
小紅書是年輕人的生活方式平臺，用戶可以通過短視頻、圖文等形式記錄生活點滴，分享生活方式，並基於興趣形成互動。截至到 2019 年 10 月，小紅書月活躍用戶數已經過億，並持續快速增長。
在小紅書的業務架構中，Flink 的數據來源和數據彙總處都是 TiDB，以達到類似於“物化視圖”的效果：
- 左上角的線上業務表執行正常的 OLTP 任務。
- 下方的 TiCDC 集群抽取 TiDB 的實時變更數據，以 changelog 形式傳遞到 Kafka 中。
- Flink 讀取 Kafka 中的 changelog，進行計算，如拼好寬表或聚合表。
- Flink 將結果寫回到 TiDB 的寬表中，用於後續分析使用。
小紅書 Flink TiDB 集群架構
整個過程形成了 TiDB 的閉環，將後續分析任務的 Join 工作轉移到了 Flink 上，並通過流式計算來緩解壓力。目前這套方案已經支持起了小紅書的內容審核、筆記標籤推薦、增長審計等業務，經歷了大吞吐量的線上業務考驗且持續運行穩定。
貝殼金服
貝殼金服持續多年深耕居住場景，積累了豐富的中國房產大數據。貝殼金服以金融科技為驅動，利用 AI 算法高效應用多維海量數據以提升產品體驗，為用戶提供豐富、定製化的金融服務。
在貝殼數據組的數據服務中，Flink 實時計算用於典型的維表 Join：
- 首先，使用 Syncer （MySQL 到 TiDB 的一個輕量級同步工具）採集業務數據源上的維表數據同步到 TiDB 中。
- 然後，業務數據源上的流表數據則通過 Canal 採集 binlog 存入 kafka 消息隊列中。
- Flink 讀取 Kafka 中流表的變更日誌，嘗試進行流式 Join，每當需要維表中的數據時，就去 TiDB 中查找。
- 最後，Flink 將拼合而成的寬表寫入到 TiDB 中，用於數據分析服務。
貝殼金服數據分析平臺架構
利用以上的結構，可以將數據服務中的主表進行實時 Join 落地，然後服務方只需要查詢單表。這套系統在貝殼金服已經深入各個核心業務系統，跨系統的數據獲取統一走數據組的數據服務，省去了業務系統開發 API 和內存聚合數據代碼的開發工作。
智慧芽
PatSnap（智慧芽）是一款全球專利檢索數據庫，整合了 1790 年至今的全球 116 個國家地區 1.3 億專利數據和 1.7 億化學結構數據。可檢索、瀏覽、翻譯專利，生成 Insights 專利分析報告，用於專利價值分析、引用分析、法律搜索，查看 3D 專利地圖。
智慧芽使用 Flink + TiDB 替換了原有的 Segment + Redshift 架構。
原有的 Segment + Redshift 架構，僅構建出了 ODS 層，數據寫入的規則和 schema 不受控制。且需要針對 ODS 編寫複雜的 ETL 來按照業務需求進行各類指標的計算來完成上層需求。Redshift 中落庫數據量大，計算慢（T+1 時效），並影響對外服務性能。
替換為基於 Kinesis +Flink + TiDB 構建的實時數倉架構後，不再需要構建 ODS 層。Flink 作為前置計算單元，直接從業務出發構建出 Flink Job ETL，完全控制了落庫規則並自定義 schema；即僅把業務關注的指標進行清洗並寫入 TiDB 來進行後續的分析查詢，寫入數據量大大減少。按用戶/租戶、地區、業務動作等關注的指標，結合分鐘、小時、天等不同粒度的時間窗口等，在 TiDB 上構建出 DWD/DWS/ADS 層，直接服務業務上的統計、清單等需求，上層應用可直接使用構建好的數據，且獲得了秒級的實時能力。
智慧芽數據分析平臺架構
用戶體驗：在使用了新架構後，入庫數據量、入庫規則和計算複雜度都大大下降，數據在 Flink Job 中已經按照業務需求處理完成並寫入 TiDB，不再需要基於 Redshift 的 全量 ODS 層進行 T+1 ETL。基於 TiDB 構建的實時數倉，通過合理的數據分層，架構上獲得了極大的精簡，開發維護也變得更加簡單；在數據查詢、更新、寫入性能上都獲得大幅度提升；在滿足不同的adhoc 分析需求時，不再需要等待類似 Redshift 預編譯的過程；擴容方便簡單易於開發。
目前這套架構正在上線，在智慧芽內部用來進行用戶行為分析和追蹤，並彙總出公司運營大盤、用戶行為分析、租戶行為分析等功能。
網易互娛
網易 2001 年正式成立在線遊戲事業部，經過近 20 年的發展，已躋身全球七大遊戲公司之一。在 App Annie 發佈的“2020 年度全球發行商 52 強”榜單中，網易位列第二。
網易互娛數據計費組平臺架構
在網易互娛計費組的應用架構中，一方面使用 Flink 完成業務數據源到 TiDB 的實時寫入；另一方面，以 TiDB 作為分析數據源，在後續的 Flink 集群中進行實時流計算，生成分析報表。此外，網易互娛現在內部開發了 Flink 作業管理平臺，用於管理作業的整個生命週期。
知乎
知乎是中文互聯網綜合性內容平臺，以“讓每個人高效獲得可信賴的解答”為品牌使命和北極星。截至 2019 年 1 月，知乎已擁有超過 2.2 億用戶，共產出 1.3 億個回答。
知乎作為 PingCAP 的合作伙伴，同時也是 Flink 的深度用戶，在自己的實踐過程中開發了一套 TiDB 與 Flink 交互工具並貢獻給了開源社區：pingcap-incubator/TiBigData，主要包括瞭如下功能：
- TiDB 作為 Flink Source Connector，用於批式同步數據。
- TiDB 作為 Flink Sink Connector，基於 JDBC 實現。
- Flink TiDB Catalog，可以在 Flink SQL 中直接使用 TiDB 的表，無需再次創建。
在 docker-compose 中進行嘗試
為了方便讀者更好的理解，我們在 https://github.com/LittleFall/flink-tidb-rdw 中提供了一個基於 docker-compose 的 MySQL-Flink-TiDB 測試環境，供大家測試使用。
Flink TiDB 實時數倉 Slides 中提供了該場景下一個簡單的教程，包括概念解釋、代碼示例、簡單原理以及一些注意事項，其中示例包括：
- Flink SQL 簡單嘗試
- 利用 Flink 進行從 MySQL 到 TiDB 的數據導入
- 雙流 Join
- 維表 Join
在啟動 docker-compose 後，可以通過 Flink SQL Client 來編寫並提交 Flink 任務，並通過 localhost:8081 來觀察任務執行情況。
如果大家對 Flink+TiDB 實時數倉方案有興趣、疑惑，或者在探索實踐過程中積累了想要分享的經驗，歡迎到 TiDB 社區（如 AskTUG）、Flink 社區（如 Flink 中文郵件）或通過我的郵件（[email protected]）進行探討。
參考閱讀
Flink 中文社區關於實時數倉概念及流上 Join 的討論：
基於 Flink 的典型 ETL 場景實現方案
[小紅書使用 TiDB 的實踐分享](How We Use a Scale-Out HTAP Database for Real-TimeAnalytics and Complex Queries
https://en.pingcap.com/case-studies/how-we-use-a-scale-out-htap-database-for-real-time-analytics-and-complex-queries)
[TiDB的 HTAP 架構以及在數據平臺上的應用](How We Build an HTAP Database That Simplifies Your DataPlatform
https://dzone.com/articles/how-we-build-an-htap-database-that-simplifies-your)
[TiDB 原理論文](TiDB:A Raft-based HTAP Database
http://www.vldb.org/pvldb/vol13/p3072-huang.pdf
)
[FlinkSQL CDC 上線！我們總結了 13 條生產實踐經驗](https://zhuanlan.zhihu.com/p/243187428
)
更多 Flink 技術交流可加入 Apache Flink 社區釘釘交流群：
