Flink学习笔记
前言:今天是学习 flink 的第 16 天啦!学习了 flinkSQL 与企业级常用外部系统结合,主要是解决大数据领域数据计算后,写入到文件,kafka,还是mysql等 sink 的问题,即数据计算完后保存到哪里的问题!结合自己实验猜想和代码实践,总结了很多自己的理解和想法,希望和大家多多交流!
Tips:"分享是快乐的源泉????,在我的博客里,不仅有知识的海洋????,还有满满的正能量加持????,快来和我一起分享这份快乐吧????!
喜欢我的博客的话,记得点个红心❤️和小关小注哦!您的支持是我创作的动力!"
文章目录
- Flink学习笔记
- 二、FlinkSQL 连接外部系统
- 1. 输出到文件
- 2. 更新模式(Update Mode)
- 2.1 追加模式(Append Mode)
- 2.2 撤回模式(Retract Mode)
- 2.3 更新插入模式(Upsert Mode)
- 3. 写入到 Kafka
- 4. 写入到 MySQL
二、FlinkSQL 连接外部系统
1. 输出到文件
例子:将表结果输出到文件系统中
package cn.itcast.day01.sink;
import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.ConnectTableDescriptor;
import org.apache.flink.table.descriptors.Csv;
import org.apache.flink.table.descriptors.FileSystem;
import org.apache.flink.table.descriptors.Schema;
import org.apache.flink.table.types.DataType;
import org.apache.flink.types.Row;
import static org.apache.flink.table.api.Expressions.*;
/**
* @author lql
* @time 2024-03-12 15:25:14
* @description TODO
*/
public class FsSinkTest {
public static void main(String[] args) throws Exception {
// todo 1) 配置 table 环境
// 1. 配置流处理环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// 2. 配置设置环境
EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build();
// 3. 配置表环境
StreamTableEnvironment bsTableEnv = StreamTableEnvironment.create(env, bsSettings);
// todo 2) 从文件中读取数据
String filePath = FsSinkTest.class.getClassLoader().getResource("order.csv").getPath();
DataStreamSource<String> inputStream = env.readTextFile(filePath);
// todo 3) 将表数据转化类型
SingleOutputStreamOperator<OrderInfo> stream = inputStream.map(new MapFunction<String, OrderInfo>() {
@Override
public OrderInfo map(String data) throws Exception {
String[] dataArrary = data.split(",");
return new OrderInfo(
dataArrary[0],
dataArrary[1],
Double.parseDouble(dataArrary[2]),
dataArrary[3]);
}
});
// todo 4) 将数据流转化为表
Table table = bsTableEnv.fromDataStream(stream);
// todo 5) 调用 api 方式
Table result = table
.select($("id"), $("timestamp"), $("money"), $("category"))
.filter($("category").isEqual("电脑"));
// todo 6) 将表转化为流打印
bsTableEnv.toAppendStream(result, Row.class).print("结果数据>>>");
// todo 7) 将查询的结果写入到文件中
ConnectTableDescriptor connectTableDescriptor = bsTableEnv
.connect(new FileSystem().path("D:\\IDEA_Project\\BigData_Java\\flinksql_pro\\data\\output\\order.txt"))
.withFormat(new Csv())
.withSchema(
new Schema()
.field("id", DataTypes.STRING())
.field("name", DataTypes.STRING())
.field("money", DataTypes.DOUBLE())
.field("category", DataTypes.STRING())
);
// todo 8) 将通过connect创建的输出文件注册为表对象
connectTableDescriptor.createTemporaryTable("outputOrder");
// todo 9) 将表查询的结果插入到临时表中
table.executeInsert("outputOrder");
// todo 10) 执行程序
env.execute();
}
@Data
@AllArgsConstructor
@NoArgsConstructor
public static class OrderInfo {
private String id;
private String timestamp;
private Double money;
private String category;
}
}
结果:在 output 目录下生成了一个 order.txt 的文件
总结:
- 1- connect 方法:存储在哪里,存储什么地方,存储什么格式
- 2- createTemporaryTable():创建临时表
- 3- 将之前结果表插入到临时表中
2. 更新模式(Update Mode)
2.1 追加模式(Append Mode)
- 表(动态表)和外部连接器只交换插入(Insert)消息。
2.2 撤回模式(Retract Mode)
- 表和外部连接器交换的是添加(Add)和撤回(Retract)消息。
- 应用场景:
- 当插入数据时,它会被编码为添加消息。
- 当删除数据时,它会被编码为撤回消息;
- 当更新数据时,会先发送一个已更新行的撤回消息,然后再发送一个更新行的添加消息。
- 这种模式允许对表中的数据进行修改和删除,但需要注意的是,它不能定义key。
2.3 更新插入模式(Upsert Mode)
- 动态表和外部连接器交换 Upsert 和 Delete 消息。
- 这种模式需要一个唯一的 key,通过这个 key 可以传递更新消息。
- 应用场景:
- 当插入数据时,它会使用 Upsert 消息。
- 当删除数据时,它会使用 Delete 消息。
- 当更新数据时,它也会使用 Upsert 消息,并通过 key 来标识要更新的行。
- 这种模式在效率上更高,因为它只需要发送一条消息即可完成更新操作。
案例演示:从 kafka 读取数据,实时聚合操作,撤回模式
package cn.itcast.day01.sink;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.Csv;
import org.apache.flink.table.descriptors.Kafka;
import org.apache.flink.table.descriptors.Schema;
import org.apache.flink.types.Row;
import static org.apache.flink.table.api.Expressions.*;
/**
* @author lql
* @time 2024-03-12 17:33:03
* @description TODO
*/
public class KafkaSinkTest {
public static void main(String[] args) throws Exception {
// todo 1) 初始化 flinkSQL 环境
// 1.1 配置流处理环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// 1.2 配置setting环境
EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build();
// 1.3 配置表表环境
StreamTableEnvironment tbEnv = StreamTableEnvironment.create(env, bsSettings);
// todo 2) 读取 kafka 数据源
tbEnv.connect(
new Kafka()
.version("universal") // 指定 kafka 版本
.topic("order") // 定义主题
.property("bootstrap.servers","node1:9092")
).withFormat(new Csv())
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.STRING())
.field("money", DataTypes.DOUBLE())
.field("category", DataTypes.STRING())
.field("pt", DataTypes.TIMESTAMP(3))
// 使用 protime,指定字段名定义处理时间字段
// 这个 proctime 属性只能通过附加逻辑字段,进行扩展物理 schema
.proctime()
).createTemporaryTable("kafkaInputTable");
// todo 3) 表的查询操作
// 3.1 通过表环境获取到数据表:from
Table orderTable = tbEnv.from("kafkaInputTable");
// 3.2 将表转为 stream 后打印
tbEnv.toAppendStream(orderTable, Row.class).print("Table API>>>>");
// 3.2 调用 table api 进行聚合操作
Table aggResultTable = orderTable.groupBy($("category"))
.select($("category"),
$("money").sum().as("totalMoney"),
$("id").count().as("cnt")
);
tbEnv.toRetractStream(aggResultTable,Row.class).print("agg result:>>>");
// todo 4) 启动程序,将数据写入到kafka的时候,可以不加execute代码
env.execute();
}
}
结果:显示 false 即撤回,显示 true 即添加
Table API>>>>> +I[user_001, 1621718199, 10.1, 电脑, 2024-03-12T10:42:18.335Z]
agg result:>>>> (true,+I[电脑, 10.1, 1])
Table API>>>>> +I[user_001, 1621718201, 14.1, 手机, 2024-03-12T10:42:33.626Z]
agg result:>>>> (true,+I[手机, 14.1, 1])
Table API>>>>> +I[user_002, 1621718202, 82.5, 手机, 2024-03-12T10:42:50.130Z]
agg result:>>>> (false,-U[手机, 14.1, 1])
agg result:>>>> (true,+U[手机, 96.6, 2])
总结:
- 实时聚合操作结果不可以简单 toAppendStream 打印,需要使用更新模式
toRetractStream
! - 这种
聚合结果
更新操作暂时不适合写入 kafka!
3. 写入到 Kafka
例子:将查询的结果数据写入到 kafka 中
package cn.itcast.day01.sink;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.Csv;
import org.apache.flink.table.descriptors.Kafka;
import org.apache.flink.table.descriptors.Schema;
import org.apache.flink.types.Row;
import static org.apache.flink.table.api.Expressions.*;
/**
* @author lql
* @time 2024-03-12 19:29:56
* @description TODO
*/
public class KafkaSinkTest1 {
public static void main(String[] args) throws Exception {
// Todo 1) 配置 flink SQL 环境
// 1. 配置流处理环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// 2. 配置 flink settings 环境
EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build();
// 3. 配置表环境
StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env, bsSettings);
// Todo 2) kafka 数据源
tableEnv.connect(new Kafka()
.version("universal")
.topic("order")
.property("bootstrap.servers","node1:9092")
).withFormat(new Csv())
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.STRING())
.field("money", DataTypes.DOUBLE())
.field("category", DataTypes.STRING())
.field("pt", DataTypes.TIMESTAMP(3))
// 使用 protime,指定字段名定义处理时间字段
// 这个 proctime 属性只能通过附加逻辑字段,进行扩展物理 schema
.proctime()
).createTemporaryTable("kafkaInputTable");
// Todo 3) table API方式提取数据
// 3.1 通过表环境获取数据表
Table ordertable = tableEnv.from("kafkaInputTable");
tableEnv.toAppendStream(ordertable, Row.class).print("Table API>>>");
// 3.2 编写逻辑提取数据
Table tableResult = ordertable
.select($("id"), $("timestamp"), $("money"), $("category"))
.filter($("category"