Flink基於Kafka-Connector 資料流容錯回放機制及程式碼案例實戰-Flink牛刀小試

版權宣告：本套技術專欄是作者（秦凱新）平時工作的總結和昇華，通過從真實商業環境抽取案例進行總結和分享，並給出商業應用的調優建議和叢集環境容量規劃等內容，請持續關注本套部落格。版權宣告：禁止轉載，歡迎學習。QQ郵箱地址：1120746959@qq.com，如有任何問題，可隨時聯絡。

Flink牛刀小試系列目錄

• Flink牛刀小試-Flink 叢集執行原理兼部署及Yarn執行模式深入剖析
• Flink牛刀小試-Flink Window型別及使用原理案例實戰
• Flink牛刀小試-Flink Broadcast 與 Accumulators 應用案例實戰
• Flink牛刀小試-Flink與SparkStreaming之Counters& Accumulators 累加器雙向應用案例實戰
• Flink牛刀小試-Flink分散式快取Distributed Cache應用案例實戰
• Flink牛刀小試-Flink狀態管理與checkPoint資料容錯機制深入剖析
• Flink牛刀小試-Flink Window分析及Watermark解決亂序資料機制深入剖析
• Flink牛刀小試-Flink Restart Strategies 重啟策略機制深入剖析
• Flink牛刀小試-Flink CheckPoint狀態點恢復與savePoint機制對比剖析
• Flink牛刀小試-Flink SQL Table 我們一起去看2018中超聯賽
• Flink牛刀小試-Flink基於Kafka-Connector 資料流容錯回放機制及程式碼案例實戰
• [Flink牛刀小試-Flink DataStreamAPI與DataSetAPI應用案例實戰]
• [Flink牛刀小試-Flink並行度 Parallel及Slots關係原理深入剖析]
• [Flink牛刀小試-Flink叢集HA配置及高可用機制深入剖析]
• [Flink牛刀小試-Flink批處理與流處理案例實戰深入剖析]
• [Flink牛刀小試-Flink綜合性應用案例實踐及垂直業務深入剖析]

1 Kafka-connector 再次親密牽手Flink

• Kafka中的partition機制和Flink的並行度機制深度結合，實現資料恢復。
• Kafka可以作為Flink的source和sink，牛在這裡。
• 任務失敗，通過設定kafka的offset來恢復應用

2 回顧Spark Streaming針對kafka使用技術

    // 設定檢查點目錄
    ssc.checkpoint("./streaming_checkpoint")

    // 獲取Kafka配置(通過配置檔案讀取，ConfigurationManager自定義方法)
    val broker_list = ConfigurationManager.config.getString("kafka.broker.list")  
    val topics = ConfigurationManager.config.getString("kafka.topics")

    // kafka消費者配置
    val kafkaParam = Map(
      "bootstrap.servers" -> broker_list,//用於初始化連結到叢集的地址
      "key.deserializer" -> classOf[StringDeserializer],
      "value.deserializer" -> classOf[StringDeserializer],
      //用於標識這個消費者屬於哪個消費團體
      "group.id" -> "commerce-consumer-group",
      //如果沒有初始化偏移量或者當前的偏移量不存在任何伺服器上，可以使用這個配置屬性
      //可以使用這個配置，latest自動重置偏移量為最新的偏移量
      "auto.offset.reset" -> "latest",
      //如果是true，則這個消費者的偏移量會在後臺自動提交
      "enable.auto.commit" -> (false: java.lang.Boolean)
    )

    // 建立DStream，返回接收到的輸入資料
    // LocationStrategies：根據給定的主題和叢集地址建立consumer
    // LocationStrategies.PreferConsistent：持續的在所有Executor之間分配分割槽
    // ConsumerStrategies：選擇如何在Driver和Executor上建立和配置Kafka Consumer
    // ConsumerStrategies.Subscribe：訂閱一系列主題
    val adRealTimeLogDStream=KafkaUtils.createDirectStream[String,String](ssc,
      LocationStrategies.PreferConsistent,ConsumerStrategies.Subscribe[String,String](Array(topics),kafkaParam))
複製程式碼

3 再論 Flink Kafka Consumer

3.1 理論時間

• setStartFromGroupOffsets()【預設消費策略】

  預設讀取上次儲存的offset資訊 如果是應用第一次啟動，讀取不到上次的offset資訊，則會根據這個引數auto.offset.reset的值來進行消費資料

• setStartFromEarliest() 從最早的資料開始進行消費，忽略儲存的offset資訊

• setStartFromLatest() 從最新的資料進行消費，忽略儲存的offset資訊

• setStartFromSpecificOffsets(Map<KafkaTopicPartition, Long>)

• 當checkpoint機制開啟的時候，KafkaConsumer會定期把kafka的offset資訊還有其他operator的狀態資訊一塊儲存起來。當job失敗重啟的時候，Flink會從最近一次的checkpoint中進行恢復資料，重新消費kafka中的資料。

• 為了能夠使用支援容錯的kafka Consumer，需要開啟checkpoint env.enableCheckpointing(5000); // 每5s checkpoint一次

• Kafka Consumers Offset 自動提交有以下兩種方法來設定，可以根據job是否開啟checkpoint來區分:

  (1) Checkpoint關閉時： 可以通過下面兩個引數配置

  enable.auto.commit

  auto.commit.interval.ms

  (2) Checkpoint開啟時：當執行checkpoint的時候才會儲存offset，這樣保證了kafka的offset和checkpoint的狀態偏移量保持一致。 可以通過這個引數設定

  setCommitOffsetsOnCheckpoints(boolean)

  這個引數預設就是true。表示在checkpoint的時候提交offset, 此時，kafka中的自動提交機制就會被忽略

3.2 案例實戰

 依賴引入：
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-statebackend-rocksdb_2.11</artifactId>
        <version>1.6.1</version>
    </dependency>

    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-connector-kafka-0.11_2.11</artifactId>
        <version>1.6.1</version>
    </dependency>

    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka-clients</artifactId>
        <version>0.11.0.3</version>
    </dependency>
    
 案例實戰：
 public class StreamingKafkaSource {
    
    public static void main(String[] args) throws Exception {
        //獲取Flink的執行環境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        //checkpoint配置
        env.enableCheckpointing(5000);
        env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
        env.getCheckpointConfig().setMinPauseBetweenCheckpoints(500);
        env.getCheckpointConfig().setCheckpointTimeout(60000);
        env.getCheckpointConfig().setMaxConcurrentCheckpoints(1);
        env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);

        //設定statebackend

        //env.setStateBackend(new RocksDBStateBackend("hdfs://hadoop100:9000/flink/checkpoints",true));


        String topic = "kafkaConsumer";
        Properties prop = new Properties();
        prop.setProperty("bootstrap.servers","SparkMaster:9092");
        prop.setProperty("group.id","kafkaConsumerGroup");

        FlinkKafkaConsumer011<String> myConsumer = new FlinkKafkaConsumer011<>(topic, new SimpleStringSchema(), prop);

        myConsumer.setStartFromGroupOffsets();//預設消費策略

        DataStreamSource<String> text = env.addSource(myConsumer);

        text.print().setParallelism(1);

        env.execute("StreamingFromCollection");
    }
}
複製程式碼

4 再論 Flink Kafka Producer

4.1 理論時間

• Kafka Producer的容錯-Kafka 0.9 and 0.10

• 如果Flink開啟了checkpoint，針對FlinkKafkaProducer09和FlinkKafkaProducer010 可以提供 at-least-once的語義，還需要配置下面兩個引數:

  setLogFailuresOnly(false)

  setFlushOnCheckpoint(true)

• 注意：建議修改kafka 生產者的重試次數retries【這個引數的值預設是0】

• Kafka Producer的容錯-Kafka 0.11，如果Flink開啟了checkpoint，針對FlinkKafkaProducer011 就可以提供 exactly-once的語義,但是需要選擇具體的語義

  Semantic.NONE

  Semantic.AT_LEAST_ONCE【預設】

  Semantic.EXACTLY_ONCE

4.2 KafkaSink案例實戰

 public class StreamingKafkaSink {
    public static void main(String[] args) throws Exception {
    //獲取Flink的執行環境
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();


    //checkpoint配置
    env.enableCheckpointing(5000);
    env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
    env.getCheckpointConfig().setMinPauseBetweenCheckpoints(500);
    env.getCheckpointConfig().setCheckpointTimeout(60000);
    env.getCheckpointConfig().setMaxConcurrentCheckpoints(1);
    env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);

    //設定statebackend

    //env.setStateBackend(new RocksDBStateBackend("hdfs://SparkMaster:9000/flink/checkpoints",true));


    DataStreamSource<String> text = env.socketTextStream("SparkMaster", 9001, "\n");

    String brokerList = "SparkMaster:9092";
    String topic = "kafkaProducer";

    Properties prop = new Properties();
    prop.setProperty("bootstrap.servers",brokerList);

    //第一種解決方案，設定FlinkKafkaProducer011裡面的事務超時時間
    //設定事務超時時間
    //prop.setProperty("transaction.timeout.ms",60000*15+"");

    //第二種解決方案，設定kafka的最大事務超時時間,主要是kafka的配置檔案設定。

    //FlinkKafkaProducer011<String> myProducer = new FlinkKafkaProducer011<>(brokerList, topic, new SimpleStringSchema());

    //使用僅一次語義的kafkaProducer
    FlinkKafkaProducer011<String> myProducer = new FlinkKafkaProducer011<>(topic, new KeyedSerializationSchemaWrapper<String>(new SimpleStringSchema()), prop, FlinkKafkaProducer011.Semantic.EXACTLY_ONCE);
    text.addSink(myProducer);


    env.execute("StreamingFromCollection");


  }
}
複製程式碼

5 結語

kafka必不可少，關於kafka還有很多要說的內容，詳情請參考我的kafka商業環境實戰系列吧。

版權宣告：本套技術專欄是作者（秦凱新）平時工作的總結和昇華，通過從真實商業環境抽取案例進行總結和分享，並給出商業應用的調優建議和叢集環境容量規劃等內容，請持續關注本套部落格。版權宣告：禁止轉載，歡迎學習。QQ郵箱地址：1120746959@qq.com，如有任何問題，可隨時聯絡。

• kafka 商業環境實戰-kafka生產環境規劃
• kafka 商業環境實戰-kafka生產者和消費者吞吐量測試
• kafka 商業環境實戰-kafka生產者Producer引數設定及引數調優建議
• kafka 商業環境實戰-kafka叢集管理重要操作指令運維兵書
• kafka 商業環境實戰-kafka叢集Broker端引數設定及調優準則建議
• kafka 商業環境實戰-kafka之Producer同步與非同步訊息傳送及事務冪等性案例應用實戰
• kafka 商業環境實戰-kafka Poll輪詢機制與消費者組的重平衡分割槽策略剖析
• kafka 商業環境實戰-kafka Rebalance 機制與Consumer多種消費模式案例應用實戰
• kafka 商業環境實戰-kafka叢集訊息格式之V1版本到V2版本的平滑過渡詳解
• kafka 商業環境實戰-kafka ISR設計及水印與leader epoch副本同步機制深入剖析
• kafka 商業環境實戰-kafka日誌索引儲存及Compact機制深入剖析
• [kafka 商業環境實戰-kafka精確一次語義EOS的原理深入剖析]
• [kafka 商業環境實戰-kafka訊息的冪等性與事務支援機制深入剖析]
• [kafka 商業環境實戰-kafka叢集Controller競選與責任設計思路架構詳解]
• [kafka 商業環境實戰-kafka叢集日誌檔案系統設計與留存機制及Compact深入研究]
• [kafka 商業環境實戰-kafka叢集Consumer group狀態機及Coordinaor管理深入剖析]
• [kafka 商業環境實戰-kafka調優過程在吞吐量，永續性，低延時，可用性等指標的折中選擇研究]

秦凱新 於深圳 20181127023