Waterdrop 是一个非常易用，高性能、支持实时流式和离线批处理的海量数据处理产品，架构于Apache Spark 和 Apache Flink之上。
1、 物联网数据背景
物联网业务发展迅速，从18年开始起步近两年发展，我们接入设备量已经达到数千万级别。设备每日产生的上行下行消息量近百亿级别，服务模块之间的模调日志量更是巨大，对我们日志采集统计、实时数据分析提出更高要求。 本文主要介绍waterdrop在物联网数据采集中的使用，详细说明参见 waterdrop 文档 。
2、数据收集架构
对于物联网数据，我们采用filebeat对各个业务服务进行日志收集到kafka，离线分析通过EMR平台存入hdfs中，实时统计通过flink来计算，还有一部分通过waterdrop消费kafka里的数据并进行数据提取，存储到clickhouse中，完成数据链路的处理。物联网数据采集架构如下。
3、Waterdrop 的特性
- 简单易用，灵活配置，无需开发
- 实时流式处理
- 高性能
- 海量数据处理能力
- 模块化和插件化，易于扩展
- 支持利用SQL做数据处理和聚合
- Spark Structured Streaming
- 支持Spark 2.x
4、环境依赖
- java运行环境，java >= 8
- 如果您要在集群环境中运行Waterdrop，那么需要以下Spark集群环境的任意一种：
- Spark on Yarn
- Spark Standalone
- Spark on Mesos
5、Waterdrop配置
5.1 source插件配置
source插件支持常见组件有Es、Fake、Hive、JDBC、KafkaStream，配置说明，我们使用消费kafka配置如下：
5.2 transform插件配置
filebeat采集的业务数据进行抽取，提取出业务统计有效值并进行数据格式转换。
5.3 sink模块配置
将抽取出的数据存入到clickhouse中，参数详细说明
6、ClickHouse数据
数据提取后结果展示，可以实现业务数据数亿级别秒级查询，方便业务信息的实时统计
