MRS大企业ERP流程实时数据湖加工最佳实践

本文分享自华为云社区《MRS大企业ERP流程实时数据湖加工最佳实践》,作者:晋红轻 。

本文将以ERP流程实践为例介绍MRS实时数据湖方案的演进

案例实践需求解析:

业务描述

  • AE表:会计分录表,主要记录财务相关信息,可用于成本核算等业务计算。为业务最主要的表,称驱动表。
  • 四通道表:实际为四个门店业务系统,主要记录销售记录信息。为成本核算、科目报表分析等业务提供信息佐证。可称为维表。

业务痛点

  • 科目分析报表业务供数慢的痛点,数据时延高。
  • 实际业务数据有内容更新,保证数据严格一致。
  • 科目分析报表查询仅支持公司、科目、时段等少量查询条件。

实时数据湖方案优势

  • 实时数据湖方案做增量加工,将传统供数压力卸载到每天、每小时、每分钟,100万数据查询只需要2min。
  • 使用Hudi作为数据湖天然支持数据更新。
  • 提供所有数据归档,可随时回溯。
  • 支持科目、批名、凭证名、合同号等31个查询条件,大幅度减少用户导出数据后筛选过滤时间。支持用户基于页面直接分析。

实时数据湖方案实施挑战

  • 流计算基于内存,峰值数据量过大会影响作业稳定性。
  • 多流时延大,数据等待耗费大量内存资源,需考虑业务需求与使用资源的平衡。

流加工模型一:

模型一特点

•Hudi表流读能够减少整体内存开销,提高作业稳定性。

•以其中一条流为基准(左表),去比较另一条流(右表)

•会出现关联缺失的情况,以驱动表(AE表)的视角(新增&更新)

•1)四通道流早到,并且ttl到期后数据丢失

•2)四通道流晚到,AE流ttl到期后数据丢失

模型一局限:

•目标宽表数据会出现不准的情况

•源端新增因为关联不出有效结果造成目标宽表缺数 -> missing

•源端更改因为关联不出有效结果造成目标宽表延时 -> delay

流加工模型二:

补偿目的:

补偿目的:基于业务逻辑,对比源端流表和目的端宽表数据内容,发现目标宽表缺失数据主要字段,关联源表完整内容找出缺失数据,并写回源端表补偿层。

missing&delay补偿模拟:

模型二特点:比较方案一增加补偿机制,能够对比源表(AE表,四通道表)以及目标宽表,找出缺失数据missing, delay。

模型二局限:实际情况双流之间时延可能较大、对齐较难,虽然能够使用补偿机制找回缺失数据,但是这样流加工任务主要角色会被弱化,同时会对补偿任务造成更大压力,数据时延会变大 。

流加工模型三(最终):

双写目的:业务系统持续向Hudi表,HBase表双写数据。Hudi表流读,提供主要热关联数据,HBase存储所有历史数据,技术上就是维度表,为热关联失败之后进行快速点查补数(lookup join)得到有效关联。提高双流关联的命中率。减少流加工整体数据时延。

维表选型:

模型总结:

 

点击关注,第一时间了解华为云新鲜技术~


免责声明:

1、本站资源由自动抓取工具收集整理于网络。

2、本站不承担由于内容的合法性及真实性所引起的一切争议和法律责任。

3、电子书、小说等仅供网友预览使用,书籍版权归作者或出版社所有。

4、如作者、出版社认为资源涉及侵权,请联系本站,本站将在收到通知书后尽快删除您认为侵权的作品。

5、如果您喜欢本资源,请您支持作者,购买正版内容。

6、资源失效,请下方留言,欢迎分享资源链接

文章评论

0条评论