论大数据仓库的事务处理之法

李万鸿2020-10-25

这是一个大数据时代，几乎所有的好产品都离不开大数据的支持，人工智能更是如此。那么，建立数据仓库并使用其中的大数据有何困难呢？那就是事务问题，大数据一般是OLAP，而非OLTP，不具备事务管理功能，但实际使用时存在实时更新数据何查询数据的场景，因此，事务是必不可少的。这个给出一个简单的办法加以解决。

一．加锁原理和方法

Reids的redLock可以提供分布式锁，可以用来简单巧妙解决大数据的事务问题。对基于HIve、Clickhouse等大数据仓库，如果同时读写，可以采用RedLock进行事务控制。RedLock对某个操作提供分布式锁，对SQL语句中的执行加锁，如果写如数据库时，就不让读取数据，反之依然。

对于事务要求不高的场景来说，这是够用的，毕竟，大数据仓库不存在过于频繁的写入，大多是读取数据，所以这个方案是够用的。

举个例子，当根据数据库log实时ETL某个数据后，就需要对数据仓库DW进行更新，并更新DM主体数据库，而此时业务应用正在读取DM或DW的数据，为此，可以在更新写入DW、DM时加个锁，完毕后删除锁，读取数据时首先取锁，如果可以获取，就读数据，否则就等待，直到写入程序删除锁，才能获取锁，并完成读取，然后删除锁。写入也一样，需要先获取锁才能完成写入，否则需要等待读取完成并删除了锁，才可以拿到锁并进行写入，完成后删除锁，让其他程序可以写入或读取数据。

二．关键代码

@Slf4j

public class RedLockDemo {

public static void main(String[] args) {

//连接redis

Config config = new Config();

config.useSingleServer().setAddress("redis://127.0.0.1:6379");

RedissonClient redisson = Redisson.create(config);

log.info("连接Redis");

//1.定义锁

RLock lock = redisson.getLock("myTest001");

try {

//尝试加锁的超时时间

Long timeout = 300L;

//锁过期时间

Long expire = 30L;

//2.获取锁

if (lock.tryLock(timeout, expire, TimeUnit.MILLISECONDS)) {

//2.1.获取锁成功的处理

log.info("加锁成功");

//...do something read or write dw 、 dm

log.info("使用完毕");

} else {

//2.2.获取锁失败的处理

log.info("加锁失败");

log.info("其他处理");

}

} catch (InterruptedException e) {

log.error("尝试获取分布式锁失败", e);

} finally {

//3.释放锁

try {

lock.unlock();

log.info("锁释放成功");

} catch (Exception e) {

//do nothing...

}

//关闭连接

redisson.shutdown();

log.info("关闭redis连接");

}

三.不需要锁的情况

当没有写入只有读取的时候不需要锁，或只有写入没有读取的时候也不需要锁，为此需要加个判断量Flag，放在Redis，首先设为1表示读，2表示写，程序写或读的时候先取这个变量Flag，如果是读，而flag=1，就不需要锁；else flag=2 ，就需要拿锁。写的时候与此类似，如果是写，而flag=2，就不需要锁；else flag=1 ，就需要拿锁。

这样可以减少用锁，提高效率。

总之，大数据仓库的事务是不能忽视的，加RedLock锁是一个简单巧妙的解决办法，可以一试。