AWS 大数据实战 Lab1 - 流数据处理(二)

AWS 大数据实战 Lab1 - 流数据处理(二)

为了使练习更加贴近实际业务场景，我们将模拟从应用程序中生成交易订单事件，在这种情况下是与交易流水、交易日期、客户编号、产品编号和一些数据相对应的事件流。在此教程中，将完成以下三个步骤的实验：

• 创建 Amazon Kinesis Data Stream• 创建 Amazon Kinesis Data Analytics 应用程序• 创建 Amazon Kinesis Data Firehose 将数据传送到 Amazon S3（Lab2 和 Lab3 需要用到）

上述三个步骤的实验的架构图如下

Kinesis 流数据产生

发送模拟数据

登录准备阶段部署的 EC2，保存如下代码到 ec2-user 的 home 目录下，我使用的 AWS 区域为us-east-1，如果你在其他区域创建的 EC2，请修改代码里面的region_name。

然后执行如下代码开始给 Kinesis Data Streams 流平台发送模拟数据（这个2021-03-19在系统内是个交易日期，方便后续作为关键字查找，没有特殊的含义）

[ec2-user@ip-172-31-77-126 ~]$ sh lab1.sh kds-lab1 2021-03-19 & [1] 2768

lab1.sh会往 kds 流里面灌数据，格式为

tid: 交易id tno： 交易编号 tdate： 交易日期 uno： 客户编号 pno： 产品编号 tnum： 交易数量 tuptime： 时间戳

如下仅供参考

{ "tid": "123", "tno": "AwGi20200904131249", "tdate": "2021-03-19", "uno": "U1030", "pno": "P1002", "tnum": 10, "tuptime": "2021-03-19T13:15:48Z" }

系统会生成一个日志文件，查看同一个目录下的日志文件，出现如下字样表示启动成功

准备S3存储桶

因为S3桶是全球唯一的命名，所以为了区分，我们采用如下的方式命名S3存储桶，如下所示

lab-AccountId-wzlinux-com

打开EC2客户端，使用如下命令创建S3桶（也可以直接在控制台创建，此处略）

aws s3 mb s3://lab-921283538843-wzlinux-com/ aws s3 ls | grep lab

如下

创建S3终端节点

为了方便内网访问 S3 存储桶，此处我们配置 S3 终端节点。登录并打开 VPC 控制台，往下拉选择左边的终端节点，选中 S3（在搜索框里面输入 S3 并回车即可搜索），选择对应 VPC（此处我们只有一个默认VPC）和路由表：

Kinesis 流数据分析

本实验演示配置数据流管道（为 Lab2/3 准备），并实时对流数据进行在线分析等。

配置 Kinesis Data Firehose

KFH（Kinesis Data Firehose）是提供实时交付的完全托管服务，可以把流数据发往诸如 Amazon Simple Storage Service （Amazon S3)， Amazon Redshift， Amazon Elasticsearch Service （Amazon ES)、Splunk 以及支持的第三方服务提供商（包括 DatAdog、MongoDB 和 NewRelic）拥有的任何自定义 HTTP 端点或 HTTP 端点。

第二步处理记录选择默认，第三步目标我们选择 S3，并选择之前创建的存储桶（此处为：lab-921283538843-wzlinux-com）

然后在 S3 前缀和后缀分配输入名字lab1-input/和lab1-error/，如下

大概过 1 分钟左右，就可以在 S3 存储桶里面看到对应的数据输出。

配置 Kinesis Data Analytics

创建成功后，选择连接数据流（连接到之前准备阶段创建的 kds 数据流，此处为kds-lab1，已经通过脚本在送数据了）

发现后的架构和数据格式跟我们预期的一致，所以此处不做更改，直接保存即可

接下来我们选择用 SQL 做实时分析

然后使用如下 SQL 代码，保存并运行（我们此处演示按 1 分钟聚合，如果有其他聚合时间要求，可以修改最下面的60 这个数字即可）

CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (count_tno integer,sum_tnum integer); CREATE OR REPLACE PUMP "STREAM_PUMP" AS INSERT INTO "DESTINATION_SQL_STREAM" SELECT STREAM count(*), sum("tnum") FROM "SOURCE_SQL_STREAM_001" GROUP BY FLOOR(("SOURCE_SQL_STREAM_001".ROWTIME - TIMESTAMP '1970-01-01 00:00:00') SECOND / 60 TO SECOND);

略微等待一小段时间，我们即可看到运行结果，如下所示（和我们的代码预期一致，一分钟一次聚合）

可以在目标页面把查询结果输出到别的地方，例如别的流，别的 S3 存储桶等用于业务用途，此处不做演示。

至此，关于流数据处理的动手实验（Lab1）已经完成。

欢迎大家扫码关注，获取更多信息

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。