内容简介：使用 Apache Kafka 和微服务实时分析 Twitter 趋势，第 3 部分: 将检索到的推文存储到 Cloudant 数...
本文英文原文源自 James Thomas 在 IBM Bluemix Dev 社区的专栏。
在前面的文章中，我们介绍了 Match Tracker 的后端架构，该架构可以实时处理有关足球比赛的数千条推文。任务处理管道中的最后一个阶段——推文处理微服务（Tweet Processing Microservice）会将检索到的推文存储到 Cloudant 数据库中。
图 1. 开源演示应用程序 Match Tracker
截至 2016 年 4 月，我们已处理了超过 40 万条与去年 9 月以来的比赛相关的推文，平均每个比赛周处理 1.2 万条推文。在前端 Web 应用程序中，我们希望展示每个比赛周内的各场比赛的受欢迎程度和情绪。
在 Cloudant 数据库中，我们保存了数千条推文及其元数据，我们可以使用它们生成每场比赛的受欢迎程度和情绪的汇总统计。我们将使用此信息来展示每个比赛周内的各场比赛的排名表。
CouchDB 视图
可以过滤推文数据库来获得特定比赛周内发送的消息，此操作是通过 CouchDB 视图（ CouchDB Views ）来实现的。在传统 SQL 数据库中，将会构造一个 SQL 查询，将 gameweek 参数值作为一条子句插入。每次运行此查询，都会生成一个新结果集。借助 CouchDB，可以定义静态视图，这些视图仅对所有文档运行一次，以便生成概述结果集。
结果集的高效缓存支持在以后使用查询参数进行过滤，无需重新执行整个视图。在数据库文档被修改时，也会对视图结果进行增量式更新。每个视图都有一个由用户提供的映射函数（ map function ），该函数是在 JavaScript 中定义的。对每个文档执行此函数，该函数可根据来自文档的属性而发出一条或多条结果。所有生成的结果形成视图结果。视图还可以有一个额外的化简函数（ reduce function ），用于根据对这些原始值的计算，将视图结果处理为新的元结果。
CouchDB 视图支持使用查询参数（ query parameter ）来过滤结果，比如，限制返回的文档数量或跳过前 n 个文档。通过使用“ startkey ”和“ endkey ”查询参数，可以从视图结果中丢弃其它键在这些参数值之外的文档。
比赛推文的自定义视图
通过为我们的数据库定义一个新视图，映射函数（map function）将从文档中提取发送推文时的日期时间字符串，以及主题标记（hashtag）中提到的球队。发出该日期字符串作为键，并使用球队列表作为值。基于这个键值，以有序列表的形式返回视图结果。“startkey”和“endkey”查询参数限制了所返回的视图结果的子集，将其限定为所提供的这两个参数值之间。通过使用“startkey”和“endkey”参数定义比赛周内的日期范围，将删除结果中的其他所有推文。
通过迭代结果，将所有提及的球队和情绪评分添加到一起，我们就能够生成每个比赛周内的各场比赛的整体排名表。使用 CouchDB 视图是一种高效检索过去特定比赛周内推文的极佳方法，但我们如何在处理新推文后实时更新结果呢？每次处理一条额外的推文，都要获得整个比赛周的结果集合，这样做不仅效率低下，而且没有必要。
如果新推文被处理完时可以通知我们，就可以将该数据发送到前端 Web 应用程序来手动扩充客户端数据集……
检测数据库更改
CouchDB 拥有监听数据库中更改的内置支持，即更改通知（ change notifications ）功能。数据库的 _changes 提要是一个发布所有文档修改信息的活动流。通过订阅推文数据库的更改提要，Web 应用程序可在处理实时推文时监听更新。每当 Tweet Processing 微服务创建一个新文档时，更改提要服务就会将这些更新发送到所有已注册的监听者。然后，可以通过 Web 套接字将此信息发送到客户端，后者会在显示屏上更新比赛周的结果集，并重新绘制排名表。
结束语
使用 CouchDB 存储已处理的推文，这使得使用自定义视图生成汇总统计数据变得很容易。使用用户提供的在数据库内执行的 JavaScript 函数，开发人员可以创建特定于应用程序的结果集。由于数据库会执行缓存，因此一个视图在生成后，后续的过滤和查询就会非常快速和高效。将 CouchDB 视图与“更改”通知结合使用，我们既可以计算历史推文的统计信息（在用户加载页面时使用），然后，也可以在有新推文被处理时使用实时结果不断更新它。
访问运行在 match-tracker.mybluemix.net 上的示例应用程序来查看结果。如果在比赛进行期间访问该页面，您会看到统计数据的“实时”更改。使用“重放”按钮，您还可以重新启动比赛时钟，显示在比各个赛周内的各场比赛期间推文的传送情况。
本系列前面的两篇文章：
- 使用 Apache Kafka 和微服务实时分析 Twitter 趋势，第 1 部分: 如何构建一个可伸缩的架构来处理实时 Twitter 数据流
- 使用 Apache Kafka 和微服务实时分析 Twitter 趋势，第 2 部分: 处理实时 Twitter 数据流应用程序的后端架构
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
We Are the Nerds
Christine Lagorio-Chafkin / Hachette Books / 2018-10-2 / USD 18.30
Reddit hails itself as "the front page of the Internet." It's the third most-visited website in the United States--and yet, millions of Americans have no idea what it is. We Are the Nerds is an eng......一起来看看 《We Are the Nerds》 这本书的介绍吧!
