我正在为使用 MySQL 作为数据存储的应用程序构建分析功能。我们有一个基于微服务的架构，也使用 Kafka。我们的用例还没有真正需要“实时”分析，但可以在以后添加。
对于我的用例，我想将 Tableau 用作可视化平台，报告将直接嵌入到 Web 应用程序中。
对于容量和用例，我认为不需要基于 Hadoop 的系统，但 Kafka Connect、Spark 和 Flink 是可能的。
我打算构建一个基于星型模式的报告数据库，与主要生产数据库分开，由维度和事实表组成，并允许 Tableau 对此进行报告。
我的微服务将使用 Avro 模式注册表将事件推送到相关主题，然后报告微服务将使用这些事件并更新星型模式。
现在回答我的问题:将事件从 Kafka 转换为相关星型模式的最佳方式是什么？可以编写代码来检查每个事件，然后更新事实表，但鉴于我可能会在事实表中的数据桶上进行 15 到 30 分钟的窗口，有没有办法使用 Flink 或 Spark 或 Kafka 流来做这个？我的意思是，我希望 Spark/Flink 中有一些“内置”API 或库来使这种混合流式处理/DWH 方法运行良好？
我需要确保我在这里建立的基础架构最终可以随着时间的推移迁移到更大数据类型的分析基础架构，但目前使用 Kafka 的简单 DWH 方法就足够了。
我看过 Apache Kylin，但它似乎对这个用例没有帮助。
谢谢。
最佳答案
您可以考虑使用 Spark JDBC 将数据推送到后端数据库(您提到了 MySQL)。
Kafka -> Spark/Spark Streaming -> MySQL
我们将 Oracle 用于后端星型模式。
对于 Oracle 星型模式，我们在 Hadoop 中有一个暂存区(创建 parquet 表的 Spark 作业)，然后我们使用 Apache Sqoop 将数据推送到 Oracle 暂存区。从那个暂存区，我们使用 Apache Airflow 将数据推送到 Oracle 星型模式(数据集市)以协调这些构建作业。 Airflow 启动一些基本的 SQL 和 PL/SQL 代码来刷新集市。
如果您将上面的 Oracle 更改为 MySQL，这可能是实现您的流水线的方法之一。
但正如我上面提到的，您可以使用 Spark JDBC 连接器直接从 Spark 推送到您选择的后端数据库。
我们还在另一个项目中使用 Apache Kudu，因为它更原生地支持流式更新(顶部是 Apache Impala - 您可以使用其 ODBC 连接从 Tableau 连接到 Impala)。
关于mysql - 使用 Spark 或 Flink 将基于 Kafka 事件的数据转换为关系星型模式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49451843/
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po
