Flink如何基于数据版本使用最新离线数据

业务场景

假设批量有一张商户表，表字段中有商户名称和商户分类两个字段。

批量需要将最新的商户名称和分类的映射关系推到hbase供实时使用。

原实现方案

a.原方案内容

为解决批量晚批问题，批量推送hbase表时一份数据产生两类rowkey：T-1和T日两类。

即使批量晚批，也能用前一日推送的数据。

原文链接：实时离线融合计算的数据同步实践

b.原方案缺陷

如果2号的分区中有客户A，但是3号的分区中没有客户A。

但是原有方案会造一条客户号_3号的数据在hbase中，这种"假"数据不符合数据规范。

优化方案

准备两张hbase表，一张存放业务数据（数据表），一张存放数据版本日期（配置表）。

每次批量推送最新分区的业务数据到数据表后，向配置表插入一条此份数据的业务日期。

比如前一天向数据表中推送了主键rowkey为客户号_2号的业务数据后，将配置表的数据日期字段更新为2号。

同样今天向数据表推送完rowkey客户号_3号的业务数据后，将配置表的数据日期字段更新为3号。

实时使用数据表的时候，会取出配置表中的数据日期字段，再和客户号进行拼接作为查询数据表的字段即客户号_日期。

如果批量今日晚批没有将客户号_3号的业务数据送过来后，从在配置表中取出的数据日期为2号，再用客户号_2号作为主键查询数据表。

这样即使批量晚批，优化后的新方案中实时一直能使用数据表最新分区的数据，而且也没有原方案的"假"数据问题。