《从0到1学习Flink》—— 如何自定义 Data Sourc

前言

在 《从0到1学习Flink》—— Data Source 介绍 文章中，我给大家介绍了 Flink Data Source 以及简短的介绍了一下自定义 Data Source，这篇文章更详细的介绍下，并写一个 demo 出来让大家理解。

Flink Kafka source

准备工作

我们先来看下 Flink 从 Kafka topic 中获取数据的 demo，首先你需要安装好了 FLink 和 Kafka 。

运行启动 Flink、Zookepeer、Kafka，

好了，都启动了！

maven 依赖

<!--flink java-->

org.apache.flink

flink-java

${flink.version}

provided

org.apache.flink

flink-streaming-java_${scala.binary.version}

${flink.version}

provided

<!--日志-->

org.slf4j

slf4j-log4j12

1.7.7

runtime

log4j

log4j

1.2.17

runtime

<!--flink kafka connector-->

org.apache.flink

flink-connector-kafka-0.11_${scala.binary.version}

${flink.version}

<!--alibaba fastjson-->

com.alibaba

fastjson

1.2.51

测试发送数据到 kafka topic

实体类，Metric.java

packagecom.zhisheng.flink.model;

importjava.util.Map;

/**

* Desc:

* weixi: zhisheng_tian

* blog: http://www.54tianzhisheng.cn/

*/

publicclassMetric{

publicString name;

publiclongtimestamp;

publicMap fields;

publicMap tags;

publicMetric(){

    }

publicMetric(String name,longtimestamp, Map fields, Map tags){

this.name = name;

this.timestamp = timestamp;

this.fields = fields;

this.tags = tags;

    }

@Override

publicStringtoString(){

return"Metric{"+

"name='"+ name +'\''+

", timestamp='"+ timestamp +'\''+

", fields="+ fields +

", tags="+ tags +

'}';

    }

publicStringgetName(){

returnname;

    }

publicvoidsetName(String name){

this.name = name;

    }

publiclonggetTimestamp(){

returntimestamp;

    }

publicvoidsetTimestamp(longtimestamp){

this.timestamp = timestamp;

    }

publicMapgetFields(){

returnfields;

    }

publicvoidsetFields(Map<String, Object> fields){

this.fields = fields;

    }

publicMapgetTags(){

returntags;

    }

publicvoidsetTags(Map<String, String> tags){

this.tags = tags;

    }

}

往 kafka 中写数据工具类：KafkaUtils.java

importcom.alibaba.fastjson.JSON;

importcom.zhisheng.flink.model.Metric;

importorg.apache.kafka.clients.producer.KafkaProducer;

importorg.apache.kafka.clients.producer.ProducerRecord;

importjava.util.HashMap;

importjava.util.Map;

importjava.util.Properties;

/**

* 往kafka中写数据

* 可以使用这个main函数进行测试一下

* weixin: zhisheng_tian

* blog: http://www.54tianzhisheng.cn/

*/

publicclassKafkaUtils{

publicstaticfinalString broker_list ="localhost:9092";

publicstaticfinalString topic ="metric";// kafka topic，Flink 程序中需要和这个统一

publicstaticvoidwriteToKafka()throwsInterruptedException{

Properties props =newProperties();

props.put("bootstrap.servers", broker_list);

props.put("key.serializer","org.apache.kafka.common.serialization.StringSerializer");//key 序列化

props.put("value.serializer","org.apache.kafka.common.serialization.StringSerializer");//value 序列化

KafkaProducer producer =newKafkaProducer(props);

Metric metric =newMetric();

        metric.setTimestamp(System.currentTimeMillis());

metric.setName("mem");

Map tags =newHashMap<>();

Map fields =newHashMap<>();

tags.put("cluster","zhisheng");

tags.put("host_ip","101.147.022.106");

fields.put("used_percent",90d);

fields.put("max",27244873d);

fields.put("used",17244873d);

fields.put("init",27244873d);

        metric.setTags(tags);

        metric.setFields(fields);

ProducerRecord record =newProducerRecord(topic,null,null, JSON.toJSONString(metric));

        producer.send(record);

System.out.println("发送数据: "+ JSON.toJSONString(metric));

        producer.flush();

    }

publicstaticvoidmain(String[] args)throwsInterruptedException{

while(true) {

Thread.sleep(300);

            writeToKafka();

        }

    }

}

运行：

如果出现如上图标记的，即代表能够不断的往 kafka 发送数据的。

Flink 程序

Main.java

packagecom.zhisheng.flink;

importorg.apache.flink.api.common.serialization.SimpleStringSchema;

importorg.apache.flink.streaming.api.datastream.DataStreamSource;

importorg.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

importorg.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer011;

importjava.util.Properties;

/**

* Desc:

* weixi: zhisheng_tian

* blog: http://www.54tianzhisheng.cn/

*/

publicclassMain{

publicstaticvoidmain(String[] args)throwsException{

finalStreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

Properties props =newProperties();

props.put("bootstrap.servers","localhost:9092");

props.put("zookeeper.connect","localhost:2181");

props.put("group.id","metric-group");

props.put("key.deserializer","org.apache.kafka.common.serialization.StringDeserializer");//key 反序列化

props.put("value.deserializer","org.apache.kafka.common.serialization.StringDeserializer");

props.put("auto.offset.reset","latest");//value 反序列化

DataStreamSource dataStreamSource = env.addSource(newFlinkKafkaConsumer011<>(

"metric",//kafka topic

newSimpleStringSchema(),// String 序列化

props)).setParallelism(1);

dataStreamSource.print();//把从 kafka 读取到的数据打印在控制台

env.execute("Flink add data source");

    }

}

运行起来：

看到没程序，Flink 程序控制台能够源源不断的打印数据呢。

自定义 Source

上面就是 Flink 自带的 Kafka source，那么接下来就模仿着写一个从 MySQL 中读取数据的 Source。

首先 pom.xml 中添加 MySQL 依赖：

mysql

mysql-connector-java

5.1.34

数据库建表如下：

DROPTABLEIFEXISTS`student`;

CREATETABLE`student`(

`id`int(11)unsignedNOTNULLAUTO_INCREMENT,

`name`varchar(25)COLLATEutf8_binDEFAULTNULL,

`password`varchar(25)COLLATEutf8_binDEFAULTNULL,

`age`int(10)DEFAULTNULL,

PRIMARYKEY(`id`)

)ENGINE=InnoDBAUTO_INCREMENT=5DEFAULTCHARSET=utf8COLLATE=utf8_bin;

插入数据：

INSERTINTO`student`VALUES('1','zhisheng01','123456','18'), ('2','zhisheng02','123','17'), ('3','zhisheng03','1234','18'), ('4','zhisheng04','12345','16');

COMMIT;

新建实体类：Student.java

packagecom.zhisheng.flink.model;

/**

* Desc:

* weixi: zhisheng_tian

* blog: http://www.54tianzhisheng.cn/

*/

publicclassStudent{

publicintid;

publicString name;

publicString password;

publicintage;

publicStudent(){

    }

publicStudent(intid, String name, String password,intage){

this.id = id;

this.name = name;

this.password = password;

this.age = age;

    }

@Override

publicStringtoString(){

return"Student{"+

"id="+ id +

", name='"+ name +'\''+

", password='"+ password +'\''+

", age="+ age +

'}';

    }

publicintgetId(){

returnid;

    }

publicvoidsetId(intid){

this.id = id;

    }

publicStringgetName(){

returnname;

    }

publicvoidsetName(String name){

this.name = name;

    }

publicStringgetPassword(){

returnpassword;

    }

publicvoidsetPassword(String password){

this.password = password;

    }

publicintgetAge(){

returnage;

    }

publicvoidsetAge(intage){

this.age = age;

    }

}

新建 Source 类 SourceFromMySQL.java，该类继承 RichSourceFunction ，实现里面的 open、close、run、cancel 方法：

packagecom.zhisheng.flink.source;

importcom.zhisheng.flink.model.Student;

importorg.apache.flink.configuration.Configuration;

importorg.apache.flink.streaming.api.functions.source.RichSourceFunction;

importjava.sql.Connection;

importjava.sql.DriverManager;

importjava.sql.PreparedStatement;

importjava.sql.ResultSet;

/**

* Desc:

* weixi: zhisheng_tian

* blog: http://www.54tianzhisheng.cn/

*/

publicclassSourceFromMySQLextendsRichSourceFunction{

    PreparedStatement ps;

privateConnection connection;

/**

    * open() 方法中建立连接，这样不用每次 invoke 的时候都要建立连接和释放连接。

    *

*@paramparameters

*@throwsException

    */

@Override

publicvoidopen(Configuration parameters)throwsException{

super.open(parameters);

        connection = getConnection();

String sql ="select * from Student;";

ps =this.connection.prepareStatement(sql);

    }

/**

    * 程序执行完毕就可以进行，关闭连接和释放资源的动作了

    *

*@throwsException

    */

@Override

publicvoidclose()throwsException{

super.close();

if(connection !=null) {//关闭连接和释放资源

            connection.close();

        }

if(ps !=null) {

            ps.close();

        }

    }

/**

    * DataStream 调用一次 run() 方法用来获取数据

    *

*@paramctx

*@throwsException

    */

@Override

publicvoidrun(SourceContext<Student> ctx)throwsException{

        ResultSet resultSet = ps.executeQuery();

while(resultSet.next()) {

Student student =newStudent(

resultSet.getInt("id"),

resultSet.getString("name").trim(),

resultSet.getString("password").trim(),

resultSet.getInt("age"));

            ctx.collect(student);

        }

    }

@Override

publicvoidcancel(){

    }

privatestaticConnectiongetConnection(){

Connection con =null;

try{

Class.forName("com.mysql.jdbc.Driver");

con = DriverManager.getConnection("jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8","root","root123456");

}catch(Exception e) {

System.out.println("-----------mysql get connection has exception , msg = "+ e.getMessage());

            }

returncon;

    }

}

Flink 程序：

packagecom.zhisheng.flink;

importcom.zhisheng.flink.source.SourceFromMySQL;

importorg.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

/**

* Desc:

* weixi: zhisheng_tian

* blog: http://www.54tianzhisheng.cn/

*/

publicclassMain2{

publicstaticvoidmain(String[] args)throwsException{

finalStreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

env.addSource(newSourceFromMySQL()).print();

env.execute("Flink add data sourc");

    }

}

运行 Flink 程序，控制台日志中可以看见打印的 student 信息。

RichSourceFunction

从上面自定义的 Source 可以看到我们继承的就是这个 RichSourceFunction 类，那么来了解一下：

一个抽象类，继承自 AbstractRichFunction。为实现一个 Rich SourceFunction 提供基础能力。该类的子类有三个，两个是抽象类，在此基础上提供了更具体的实现，另一个是 ContinuousFileMonitoringFunction。

MessageAcknowledgingSourceBase ：它针对的是数据源是消息队列的场景并且提供了基于 ID 的应答机制。

MultipleIdsMessageAcknowledgingSourceBase ： 在 MessageAcknowledgingSourceBase 的基础上针对 ID 应答机制进行了更为细分的处理，支持两种 ID 应答模型：session id 和 unique message id。

ContinuousFileMonitoringFunction：这是单个（非并行）监视任务，它接受 FileInputFormat，并且根据 FileProcessingMode 和 FilePathFilter，它负责监视用户提供的路径；决定应该进一步读取和处理哪些文件；创建与这些文件对应的 FileInputSplit 拆分，将它们分配给下游任务以进行进一步处理。

最后

本文主要讲了下 Flink 使用 Kafka Source 的使用，并提供了一个 demo 教大家如何自定义 Source，从 MySQL 中读取数据，当然你也可以从其他地方读取，实现自己的数据源 source。可能平时工作会比这个更复杂，需要大家灵活应对！

关注我

转载请务必注明原创地址为：http://www.54tianzhisheng.cn/2018/10/30/flink-create-source/

微信公众号：zhisheng