clickhouse实现统计实时排名功能

举报
仙士可 发表于 2023/06/30 12:29:40 2023/06/30
【摘要】 商品搜索统计商城商品名,搜索成千上万,如何才能实时的获取到当前搜索热度最高的词,或者某一个搜索词排在第几呢?clickhouseClickHouse 是俄罗斯的 Yandex 于 2016 年开源的用于在线分析处理查询(OLAP :Online Analytical Processing)MPP架构的列式存储数据库(DBMS:Database Management System),能够使用 ...

商品搜索统计

商城商品名,搜索成千上万,如何才能实时的获取到当前搜索热度最高的词,或者某一个搜索词排在第几呢?

clickhouse

ClickHouse 是俄罗斯的 Yandex 于 2016 年开源的用于在线分析处理查询(OLAP :Online Analytical Processing)MPP架构的列式存储数据库(DBMS:Database Management System),能够使用 SQL 查询实时生成分析数据报告。ClickHouse的全称是Click Stream,Data WareHouse。

clickhouse可以做用户行为分析,流批一体

线性扩展和可靠性保障能够原生支持 shard + replication

clickhouse没有走hadoop生态,采用 Local attached storage 作为存储

准备工作

mysql搜索日志表

CREATE TABLE `search_log` (
  `id` int NOT NULL AUTO_INCREMENT COMMENT 'logId',
  `keyword` varchar(255) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '搜索词',
  `createTime` datetime DEFAULT NULL COMMENT '搜索时间',
  PRIMARY KEY (`id`),
  KEY `createTime` (`createTime`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci;
复制

go测试数据添加

package main

import (
    "database/sql"
    "github.com/brianvoe/gofakeit/v6"
    _ "github.com/go-sql-driver/mysql"
    "log"
    "math/rand"
    "time"
)

type SearchLog struct {
    Keyword    string
    CreateTime string
}

func getDb() *sql.DB {
    dsn := "test_goods:xSGFwEXdXbY2GhZG@tcp(127.0.0.1:3306)/test_goods?charset=utf8mb4&parseTime=True"
    db, err := sql.Open("mysql", dsn)
    if err != nil {
        panic(err)
    }
    return db
}

func main() {
    for i := 0; i < 100; i++ {
        for true {
            searchData := make([]SearchLog, 0)
            for j := 0; j < 500; j++ {
                searchLog := SearchLog{
                    Keyword:    randGoodsName(),
                    CreateTime: randTime(),
                }
                searchData = append(searchData, searchLog)
            }
            saveData(searchData)
            searchData = searchData[0:0]
        }
    }
}
func randGoodsName() string {
    // 生成一个长度在 3 到 50 之间的中文商品名称
    gofakeit.Seed(time.Now().UnixNano())
    name := gofakeit.Name()

    for len([]rune(name)) > 50 || len([]rune(name)) < 3 {
        name = gofakeit.Name()
    }
    return name
}

func randTime() string {
    // 生成一个 2023 年 1 月 1 日到 2023 年 4 月 30 日之间的随机时间
    start := time.Date(2023, 1, 1, 0, 0, 0, 0, time.Local).Unix()
    end := time.Date(2023, 4, 30, 23, 59, 59, 0, time.Local).Unix()
    randTime := time.Unix(rand.Int63n(end-start)+start, 0)

    // 判断当前时间是否在白天(6:00-18:00),如果是,则再随机生成一次时间
    if randTime.Hour() >= 6 && randTime.Hour() < 18 {
        randTime = time.Unix(rand.Int63n(end-start)+start, 0)
    }
    return randTime.Format("2006-01-02 15:04:5")
}

func saveData(searchData []SearchLog) {
    log.Println("开始保存数据")
    db := getDb()
    defer db.Close()
    // 保存数据
    // 插入多条数据
    sqlStr := "insert into search_log (keyword,createTime) values"
    vals := []interface{}{}
    for index, row := range searchData {
        if index == len(searchData)-1 {
            sqlStr += "(?,?)"
        } else {
            sqlStr += "(?,?), "
        }
        vals = append(vals, row.Keyword, row.CreateTime)
    }
    _, err := db.Exec(sqlStr, vals...) // vals...: 解构
    if err != nil {
        log.Println("发生错误,重试:" + err.Error())
        saveData(searchData)
    }
    log.Println("1000条处理完成")
}
复制

运行go:

添加 2000万数据测试看看

clickhouse映射mysql数据

创建一张mysql来源的表

  create table search_log_mysql(
                       id Nullable(Int32),
                       keyword Nullable(String),
                       createTime Nullable(DateTime)
                      )engine=MySQL('127.0.0.1:3306','test_goods','search_log','test_goods','xSGFwEXdXbY2GhZG');
复制

编写clickhouse sql

场景一,搜索前10名商品:

jx-home :) select count() as num,keyword from search_log_mysql group by keyword order by num desc  limit 10

SELECT
    count() AS num,
    keyword
FROM search_log_mysql
GROUP BY keyword
ORDER BY num DESC
LIMIT 10

Query id: f22cf3bf-743e-441c-ba8e-7b2351c68f10

┌─num─┬─keyword────┐
│ 151 │ Ezra Terry │
│ 150 │ Lupe Davis │
│ 148 │ Mossie Rau │
│ 148 │ Leon Wiza  │
│ 147 │ Mike Haley │
│ 146 │ Luis Fahey │
│ 146 │ Oral Boyle │
│ 145 │ May Boyer  │
│ 145 │ Petra Orn  │
│ 145 │ Gail Doyle │
└─────┴────────────┘

10 rows in set. Elapsed: 7.469 sec. Processed 21.97 million rows, 471.47 MB (2.94 million rows/s., 63.13 MB/s.)
复制

场景二:获取指定日期搜索排名前10商品

jx-home :) 
           SELECT
               count() AS num,
               keyword
           FROM search_log_mysql
           WHERE (createTime >= '2023-02-01') AND (createTime < '2023-03-01')
           GROUP BY keyword
           ORDER BY num DESC
           LIMIT 10

SELECT
    count() AS num,
    keyword
FROM search_log_mysql
WHERE (createTime >= '2023-02-01') AND (createTime < '2023-03-01')
GROUP BY keyword
ORDER BY num DESC
LIMIT 10

Query id: eebf52de-7791-4a9f-bdf2-6d4ad99cd908

┌─num─┬─keyword────┐
│  52 │ Rita Hilll │
│  49 │ Sage Adams │
│  48 │ Tod Veum   │
│  48 │ Oral Boyle │
│  47 │ Isac Olson │
│  46 │ Jade Yundt │
│  46 │ Clark Von  │
│  46 │ Neha Ryan  │
│  46 │ Jan Bailey │
│  45 │ Tyra Hahn  │
└─────┴────────────┘

10 rows in set. Elapsed: 7.117 sec. Processed 5.13 million rows, 135.78 MB (721.03 thousand rows/s., 19.08 MB/s.)
复制

场景三,获取某一个商品名的搜索排名

首先我们需要知道一个窗口函数

select keyword,
    rank() OVER w AS rank,
    row_number() OVER w AS row_number,
    num
from (
SELECT
    count() AS num,
    keyword
FROM search_log_mysql
GROUP BY keyword
ORDER BY num DESC
)
WINDOW  w AS (ORDER BY num DESC  range unbounded preceding)  limit 10
// WINDOW  w AS (PARTITION BY  keyword  ORDER BY num DESC  range unbounded preceding)  limit 10 ####PARTITION BY xxx 可以根据某个字段值进行分组做窗口处理
复制

输出:

再进行包裹一层,获取排名 查询商品Petra Orn 的排名

SELECT
    keyword,
    row_number
FROM
(
    SELECT
        keyword,
        rank() OVER w AS rank,
        row_number() OVER w AS row_number,
        num
    FROM
    (
        SELECT
            count() AS num,
            keyword
        FROM search_log_mysql
        GROUP BY keyword
        ORDER BY num DESC
    )
    WINDOW w AS (ORDER BY num DESC RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)
)
WHERE keyword = 'Petra Orn'
复制
【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。