Timeplus-proton流处理器调研

概念

在这里插入图片描述

Timeplus是一个流处理器。它提供强大的端到端功能，利用开源流引擎Proton来帮助数据团队快速直观地处理流数据和历史数据，可供各种规模和行业的组织使用。它使数据工程师和平台工程师能够使用 SQL 释放流数据价值。

Timeplus 控制台可以轻松连接到不同的数据源（例如 Apache Kafka、Confluence Cloud、Redpanda、NATS、Web Socket/SSE、CSV 文件上传等）、通过 SQL 查询探索流模式、发送实时见解和向其他系统或个人发出警报，并创建仪表板和可视化。

关于Timeplus 与 proton的关系
Proton是Timeplus开源的核心系统。 Timeplus Cloud是云端的Proton，支持多租户，外加 Web UI，dashboard， alert，血缘图，和一些Proton不支持的数据源（通过额外组建）。
对于 On-prem（私有化）部署，官方提供了Timeplus Enterprise，功能和 Timeplus Cloud 相似。
Timeplus 与Clickhouse的关系
Timeplus的Proton就是基于ClickHouse开发的或者说内置ClickHouse（就是一个 proton 进程），去掉一些不需要的ClickHouse 的功能和函数，加入流计算能力和一个流存储。
event数据先进入这个 streaming storage，实现small batch write，然后再自动转批写到 OLAP 存储。
必须明确的是Timeplus的Proton与现有Clickhouse集群没关系，timeplus需要依赖自己内部Proton（改造的clickhouse）提供计算能力，而不能依赖现有的clickhouse提供的计算能力，但支持读写远程的clickhouse集群。
Timeplus两种运行方式
1. 最简单就是 All In One，用 Timeplus 自己做历史存储，也做流存储，自己做流计算，也自己做历史计算
2. 当你有数据在 ClickHouse 时，也可以把 Timeplus 当 Flink等流处理框架用，从 Kafka 读数据，写到远程的 ClickHouse
Timeplus语法
Timeplus的SQL语法类似Clickhouse语法，支持ClickHouse协议，加上自己的一些tumble/hop/session方法在Flink等流程处理常见的函数。
消息触发机制
Timeplus的触发机制是micro-batch，而不是per event trigger，但可以做到毫秒级。
如果是 global aggregation 默认是2秒发一次聚合数据，这个用户可以自定义，最大可以支持到微秒。
Timeplus的触发策略还是比较全的，也是一大优势。
Timeplus与RisingWave比较
Timeplus与流处理数据库RisingWave相比较，最大的优势是Timeplus可以很好的支持随机分析，因为其底层基于Clickhouse。

部署环境

获取docker编排文件

wget https://github.com/timeplus-io/proton/blob/develop/examples/ecommerce/docker-compose.yml

启动服务

docker compose up -d

在这里插入图片描述

进入客户端：

docker exec -it proton-demo-ecommerce-proton-1 proton-client

实例demo

ecommerce case

DROP STREAM default.frontend_events0;
CREATE STREAM frontend_events0(raw string) \
SETTINGS type='kafka', \
         brokers='redpanda:9092',\
         topic='owlshop-frontend-events';
         
-- Create externarl stream to read data from Kafka/Redpanda
CREATE EXTERNAL STREAM frontend_events(raw string)
SETTINGS type='kafka', 
         brokers='redpanda:9092',
         topic='owlshop-frontend-events';

-- Scan incoming events
select * from frontend_events;

-- Get live count
select count() from frontend_events;

-- Filter events by JSON attributes
select _tp_time, raw:ipAddress, raw:requestedUrl from frontend_events where raw:method='POST';

-- Show a live ASCII bar chart
select raw:method, count() as cnt, bar(cnt, 0, 40,5) as bar from frontend_events group by raw:method order by cnt desc limit 5 by emit_version();

MATERIALIZED VIEW

CREATE MATERIALIZED VIEW IF NOT EXISTS mv01 \
AS select _tp_time, raw:ipAddress, raw:requestedUrl from frontend_events where raw:method='POST';

--1. Streaming mode: SELECT * FROM materialized_view
SELECT * FROM mv01;

--2.Historical mode: SELECT * FROM table(materialized_view)
SELECT * FROM table(mv01);

--3.Historical + streaming mode: SELECT * FROM materialized_view WHERE _tp_time>='1970-01-01' Get all past results and as well as the future data.
SELECT * FROM mv01 WHERE _tp_time>='1970-01-01';

--4.Pre-aggregation mode: SELECT * FROM table(materialized_view) where __tp_version in (SELECT max(__tp_version) as m from table(materialized_view)) This immediately returns the most recent query result. We will provide new syntax to simplify this.

监控case

数据按照预设的时间批次进行分组，例如：2024-01-01 08:00:00、2024-01-01 08-30:00，并实时统计每个批次内的数据计数。
当批次数据计数在指定的延迟时间内未达到预设数量时（例如，从2024-01-01 08:00:00延迟1小时，触发时间为系统时间2024-01-01 09:00:00），会触发警报。发布批量数据的指标包括批量时间、触发报警时的计数数据量等

create stream s1(ts datetime64,cnt int32);
insert into s1(ts,cnt) values('2024-02-28 20:59:00',2);

select * from s1 where ts < now()-1m \
emit last 5m on proctime;