Flink的sink實戰之二：kafka

funnyok發表於2021-09-09

Kafka

歡迎訪問我的GitHub

https://github.com/zq2599/blog_demos

內容：所有原創文章分類彙總及配套原始碼，涉及Java、Docker、Kubernetes、DevOPS等；

本篇概覽

本文是《Flink的sink實戰》系列的第二篇，前文《Flink的sink實戰之一：初探》對sink有了基本的瞭解，本章來體驗將資料sink到kafka的操作；

全系列連結

版本和環境準備

本次實戰的環境和版本如下：

JDK：1.8.0_211
Flink：1.9.2
Maven：3.6.0
作業系統：macOS Catalina 10.15.3 （MacBook Pro 13-inch, 2018）
IDEA：2018.3.5 (Ultimate Edition)
Kafka：2.4.0
Zookeeper：3.5.5

請確保上述環境和服務已經就緒；

原始碼下載

如果您不想寫程式碼，整個系列的原始碼可在GitHub下載到，地址和連結資訊如下表所示(https://github.com/zq2599/blog_demos)：

名稱	連結	備註
專案主頁	https://github.com/zq2599/blog_demos	該專案在GitHub上的主頁
git倉庫地址(https)	https://github.com/zq2599/blog_demos.git	該專案原始碼的倉庫地址，https協議
git倉庫地址(ssh)	git@github.com:zq2599/blog_demos.git	該專案原始碼的倉庫地址，ssh協議

這個git專案中有多個資料夾，本章的應用在flinksinkdemo資料夾下，如下圖紅框所示：
在這裡插入圖片描述
準備完畢，開始開發；

準備工作

正式編碼前，先去官網檢視相關資料瞭解基本情況：

地址：https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/connectors/kafka.html
我這裡用的kafka是2.4.0版本，在官方文件查詢對應的庫和類，如下圖紅框所示：

kafka準備

建立名為test006的topic，有四個分割槽，參考命令：

./kafka-topics.sh \
--create \
--bootstrap-server 127.0.0.1:9092 \
--replication-factor 1 \
--partitions 4 \
--topic test006

在控制檯消費test006的訊息，參考命令：

./kafka-console-consumer.sh \
--bootstrap-server 127.0.0.1:9092 \
--topic test006

此時如果該topic有訊息進來，就會在控制檯輸出；
接下來開始編碼；

建立工程

用maven命令建立flink工程：

mvn \
archetype:generate \
-DarchetypeGroupId=org.apache.flink \
-DarchetypeArtifactId=flink-quickstart-java \
-DarchetypeVersion=1.9.2

根據提示，groupid輸入com.bolingcavalry，artifactid輸入flinksinkdemo，即可建立一個maven工程；
在pom.xml中增加kafka依賴庫：

<dependency>
  <groupId>org.apache.flink</groupId>
  <artifactId>flink-connector-kafka_2.11</artifactId>
  <version>1.9.0</version>
</dependency>

工程建立完成，開始編寫flink任務的程式碼；

傳送字串訊息的sink

先嚐試傳送字串型別的訊息：

建立KafkaSerializationSchema介面的實現類，後面這個類要作為建立sink物件的引數使用：

package com.bolingcavalry.addsink;

import org.apache.flink.streaming.connectors.kafka.KafkaSerializationSchema;
import org.apache.kafka.clients.producer.ProducerRecord;
import java.nio.charset.StandardCharsets;

public class ProducerStringSerializationSchema implements KafkaSerializationSchema<String> {

    private String topic;

    public ProducerStringSerializationSchema(String topic) {
        super();
        this.topic = topic;
    }

    @Override
    public ProducerRecord<byte[], byte[]> serialize(String element, Long timestamp) {
        return new ProducerRecord<byte[], byte[]>(topic, element.getBytes(StandardCharsets.UTF_8));
    }
}

建立任務類KafkaStrSink，請注意FlinkKafkaProducer物件的引數，FlinkKafkaProducer.Semantic.EXACTLY_ONCE表示嚴格一次：

package com.bolingcavalry.addsink;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer;
import java.util.ArrayList;
import java.util.List;
import java.util.Properties;

public class KafkaStrSink {
    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        //並行度為1
        env.setParallelism(1);

        Properties properties = new Properties();
        properties.setProperty("bootstrap.servers", "192.168.50.43:9092");

        String topic = "test006";
        FlinkKafkaProducer<String> producer = new FlinkKafkaProducer<>(topic,
                new ProducerStringSerializationSchema(topic),
                properties,
                FlinkKafkaProducer.Semantic.EXACTLY_ONCE);

        //建立一個List，裡面有兩個Tuple2元素
        List<String> list = new ArrayList<>();
        list.add("aaa");
        list.add("bbb");
        list.add("ccc");
        list.add("ddd");
        list.add("eee");
        list.add("fff");
        list.add("aaa");

        //統計每個單詞的數量
        env.fromCollection(list)
           .addSink(producer)
           .setParallelism(4);

        env.execute("sink demo : kafka str");
    }
}

使用mvn命令編譯構建，在target目錄得到檔案flinksinkdemo-1.0-SNAPSHOT.jar；
在flink的web頁面提交flinksinkdemo-1.0-SNAPSHOT.jar，並制定執行類，如下圖：
提交成功後，如果flink有四個可用slot，任務會立即執行，會在消費kafak訊息的終端收到訊息，如下圖：
任務執行情況如下圖：

傳送物件訊息的sink

再來嘗試如何傳送物件型別的訊息，這裡的物件選擇常用的Tuple2物件：

建立KafkaSerializationSchema介面的實現類，該類後面要用作sink物件的入參，請注意程式碼中捕獲異常的那段註釋：生產環境慎用printStackTrace()!!!

package com.bolingcavalry.addsink;

import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.shaded.jackson2.com.fasterxml.jackson.core.JsonProcessingException;
import org.apache.flink.shaded.jackson2.com.fasterxml.jackson.databind.ObjectMapper;
import org.apache.flink.streaming.connectors.kafka.KafkaSerializationSchema;
import org.apache.kafka.clients.producer.ProducerRecord;
import javax.annotation.Nullable;

public class ObjSerializationSchema implements KafkaSerializationSchema<Tuple2<String, Integer>> {

    private String topic;
    private ObjectMapper mapper;

    public ObjSerializationSchema(String topic) {
        super();
        this.topic = topic;
    }

    @Override
    public ProducerRecord<byte[], byte[]> serialize(Tuple2<String, Integer> stringIntegerTuple2, @Nullable Long timestamp) {
        byte[] b = null;
        if (mapper == null) {
            mapper = new ObjectMapper();
        }
        try {
            b= mapper.writeValueAsBytes(stringIntegerTuple2);
        } catch (JsonProcessingException e) {
            // 注意，在生產環境這是個非常危險的操作，
            // 過多的錯誤列印會嚴重影響系統效能，請根據生產環境情況做調整
            e.printStackTrace();
        }
        return new ProducerRecord<byte[], byte[]>(topic, b);
    }
}

建立flink任務類：

package com.bolingcavalry.addsink;

import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer;
import java.util.ArrayList;
import java.util.List;
import java.util.Properties;

public class KafkaObjSink {
    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        //並行度為1
        env.setParallelism(1);

        Properties properties = new Properties();
        //kafka的broker地址
        properties.setProperty("bootstrap.servers", "192.168.50.43:9092");

        String topic = "test006";
        FlinkKafkaProducer<Tuple2<String, Integer>> producer = new FlinkKafkaProducer<>(topic,
                new ObjSerializationSchema(topic),
                properties,
                FlinkKafkaProducer.Semantic.EXACTLY_ONCE);

        //建立一個List，裡面有兩個Tuple2元素
        List<Tuple2<String, Integer>> list = new ArrayList<>();
        list.add(new Tuple2("aaa", 1));
        list.add(new Tuple2("bbb", 1));
        list.add(new Tuple2("ccc", 1));
        list.add(new Tuple2("ddd", 1));
        list.add(new Tuple2("eee", 1));
        list.add(new Tuple2("fff", 1));
        list.add(new Tuple2("aaa", 1));

        //統計每個單詞的數量
        env.fromCollection(list)
            .keyBy(0)
            .sum(1)
            .addSink(producer)
            .setParallelism(4);
        
        env.execute("sink demo : kafka obj");
    }
}

像前一個任務那樣編譯構建，把jar提交到flink，並指定執行類是com.bolingcavalry.addsink.KafkaObjSink；
消費kafka訊息的控制檯輸出如下：
在web頁面可見執行情況如下：

至此，flink將計算結果作為kafka訊息傳送出去的實戰就完成了，希望能給您提供參考，接下來的章節，我們會繼續體驗官方提供的sink能力；