Flink1.9整合Kafka

本文基于Flink1.9版本簡述如何連接Kafka，

流式連接器

我們知道可以自己來開發Source 和 Sink ，但是一些比較基本的 Source 和 Sink 已經內置在 Flink 里，

預定義的source支持從檔案、目錄、socket，以及 collections 和 iterators 中讀取資料，

預定義的sink支持把資料寫入檔案、標準輸出（stdout）、標準錯誤輸出（stderr）和 socket，

連接器可以和多種多樣的第三方系統進行互動，目前支持以下系統:

• Apache Kafka
• Apache Cassandra(sink)
• Amazon Kinesis Streams(source/sink)
• Elasticsearch(sink)
• Hadoop FileSystem (sink)
• RabbitMQ(source/sink)
• Apache NiFi(source/sink)
• Twitter Streaming API(source)

請記住，在使用一種連接器時，通常需要額外的第三方組件，比如：資料存盤服務器或者訊息佇列，

Apache Bahir 中定義了其他一些連接器

• Apache ActiveMQ(source/sink)
• Apache Flume(sink)
• Redis(sink)
• Akka (sink)
• Netty (source)

使用connector并不是唯一可以使資料進入或者流出Flink的方式，一種常見的模式是從外部資料庫或者 Web 服務查詢資料得到初始資料流，然后通過 Map 或者 FlatMap 對初始資料流進行豐富和增強，這里要使用Flink的異步IO，

而向外部存盤推送大量資料時會導致 I/O 瓶頸問題出現，在這種場景下，如果對資料的讀操作遠少于寫操作，可以讓外部應用從 Flink 拉取所需的資料，需要用到Flink的可查詢狀態介面，

本文重點介紹Apache Kafka Connector

Kafka連接器

此連接器提供對Apache Kafka提供的事件流的訪問，

Flink提供特殊的Kafka連接器，用于從/向Kafka主題讀取和寫入資料，Flink Kafka Consumer集成了Flink的檢查點機制，可提供一次性處理語意，為實作這一目標，Flink并不完全依賴Kafka 的消費者組的偏移量，而是在內部跟蹤和檢查這些偏移，

下表為不同版本的kafka與Flink Kafka Consumer的對應關系，

而從最新的Flink1.9.0版本開始，使用Kafka 2.2.0客戶端，

下面簡述使用步驟，

匯入maven依賴：

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

安裝Kafka：

可以參照 Kafka入門寶典（詳細截圖版）

兼容性：

從Flink 1.7開始，它不跟蹤特定的Kafka主要版本，相反，它在Flink發布時跟蹤最新版本的Kafka，如果您的Kafka代理版本是1.0.0或更高版本，則應使用此Kafka連接器，如果使用舊版本的Kafka（0.11,0.10,0.9或0.8），則應使用與代理版本對應的連接器，

升級Connect要注意Flink升級作業，同時

• 在整個程序中使用Flink 1.9或更新版本，

• 不要同時升級Flink和運營商，

• 確保您作業中使用的Kafka Consumer和/或Kafka Producer分配了唯一識別符號（uid），

• 使用stop with savepoint功能獲取保存點（例如，使用stop --withSavepoint），

用法：

引入依賴后，實體化新的source（FlinkKafkaConsumer）和sink（FlinkKafkaProducer），

Kafka Consumer

先分步驟介紹構建程序，文末附Flink1.9連接Kafka完整代碼，

Kafka consumer 根據版本分別叫做FlinkKafkaConsumer08 FlinkKafkaConsumer09等等
Kafka >= 1.0.0 的版本就叫FlinkKafkaConsumer，

構建FlinkKafkaConsumer

java示例代碼如下：

Properties properties = new Properties();
properties.setProperty("bootstrap.servers", "localhost:9092");
// only required for Kafka 0.8
properties.setProperty("zookeeper.connect", "localhost:2181");
properties.setProperty("group.id", "test");
DataStream<String> stream = env
	.addSource(new FlinkKafkaConsumer<>("topic", new SimpleStringSchema(), properties));

scala：

val properties = new Properties()
properties.setProperty("bootstrap.servers", "localhost:9092")
// only required for Kafka 0.8
properties.setProperty("zookeeper.connect", "localhost:2181")
properties.setProperty("group.id", "test")
stream = env
    .addSource(new FlinkKafkaConsumer[String]("topic", new SimpleStringSchema(), properties))
    .print()

必須有的：

1.topic名稱

2.用于反序列化Kafka資料的DeserializationSchema / KafkaDeserializationSchema

3.配置引數：“bootstrap.servers” “group.id” （kafka0.8還需要 “zookeeper.connect”）

配置消費起始位置

java：

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

FlinkKafkaConsumer<String> myConsumer = new FlinkKafkaConsumer<>(...);
myConsumer.setStartFromEarliest();     // start from the earliest record possible
myConsumer.setStartFromLatest();       // start from the latest record
myConsumer.setStartFromTimestamp(...); // start from specified epoch timestamp (milliseconds)
myConsumer.setStartFromGroupOffsets(); // the default behaviour

//指定位置
//Map<KafkaTopicPartition, Long> specificStartOffsets = new HashMap<>();
//specificStartOffsets.put(new KafkaTopicPartition("myTopic", 0), 23L);
//myConsumer.setStartFromSpecificOffsets(specificStartOffsets);

DataStream<String> stream = env.addSource(myConsumer);

scala：

val env = StreamExecutionEnvironment.getExecutionEnvironment()

val myConsumer = new FlinkKafkaConsumer[String](...)
myConsumer.setStartFromEarliest()      // start from the earliest record possible
myConsumer.setStartFromLatest()        // start from the latest record
myConsumer.setStartFromTimestamp(...)  // start from specified epoch timestamp (milliseconds)
myConsumer.setStartFromGroupOffsets()  // the default behaviour

//指定位置
//val specificStartOffsets = new java.util.HashMap[KafkaTopicPartition, java.lang.Long]()
//specificStartOffsets.put(new KafkaTopicPartition("myTopic", 0), 23L)
//myConsumer.setStartFromSpecificOffsets(specificStartOffsets)

val stream = env.addSource(myConsumer)

檢查點

啟用Flink的檢查點后，Flink Kafka Consumer將使用主題中的記錄，并以一致的方式定期檢查其所有Kafka偏移以及其他操作的狀態，如果作業失敗，Flink會將流式程式恢復到最新檢查點的狀態，并從存盤在檢查點中的偏移量開始重新使用Kafka的記錄，

如果禁用了檢查點，則Flink Kafka Consumer依賴于內部使用的Kafka客戶端的自動定期偏移提交功能，

如果啟用了檢查點，則Flink Kafka Consumer將在檢查點完成時提交存盤在檢查點狀態中的偏移量，

java

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.enableCheckpointing(5000); // checkpoint every 5000 msecs

scala

val env = StreamExecutionEnvironment.getExecutionEnvironment()
env.enableCheckpointing(5000) // checkpoint every 5000 msecs

磁區發現

Flink Kafka Consumer支持發現動態創建的Kafka磁區，并使用一次性保證消費它們，

還可以使用正則：

java

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

Properties properties = new Properties();
properties.setProperty("bootstrap.servers", "localhost:9092");
properties.setProperty("group.id", "test");

FlinkKafkaConsumer011<String> myConsumer = new FlinkKafkaConsumer011<>(
    java.util.regex.Pattern.compile("test-topic-[0-9]"),
    new SimpleStringSchema(),
    properties);

DataStream<String> stream = env.addSource(myConsumer);
...

scala

val env = StreamExecutionEnvironment.getExecutionEnvironment()

val properties = new Properties()
properties.setProperty("bootstrap.servers", "localhost:9092")
properties.setProperty("group.id", "test")

val myConsumer = new FlinkKafkaConsumer08[String](
  java.util.regex.Pattern.compile("test-topic-[0-9]"),
  new SimpleStringSchema,
  properties)

val stream = env.addSource(myConsumer)
...

時間戳和水印

在許多情況下，記錄的時間戳（顯式或隱式）嵌入記錄本身，另外，用戶可能想要周期性地或以不規則的方式發出水印，

我們可以定義好Timestamp Extractors / Watermark Emitters，通過以下方式將其傳遞給您的消費者：

java

Properties properties = new Properties();
properties.setProperty("bootstrap.servers", "localhost:9092");
// only required for Kafka 0.8
properties.setProperty("zookeeper.connect", "localhost:2181");
properties.setProperty("group.id", "test");

FlinkKafkaConsumer08<String> myConsumer =
    new FlinkKafkaConsumer08<>("topic", new SimpleStringSchema(), properties);
myConsumer.assignTimestampsAndWatermarks(new CustomWatermarkEmitter());

DataStream<String> stream = env
	.addSource(myConsumer)
	.print();

scala

val properties = new Properties()
properties.setProperty("bootstrap.servers", "localhost:9092")
// only required for Kafka 0.8
properties.setProperty("zookeeper.connect", "localhost:2181")
properties.setProperty("group.id", "test")

val myConsumer = new FlinkKafkaConsumer08[String]("topic", new SimpleStringSchema(), properties)
myConsumer.assignTimestampsAndWatermarks(new CustomWatermarkEmitter())
stream = env
    .addSource(myConsumer)
    .print()

Kafka Producer

Kafka Producer 根據版本分別叫做FlinkProducer011 FlinkKafkaProducer010等等
Kafka >= 1.0.0 的版本就叫FlinkKafkaProducer ，

構建FlinkKafkaConsumer

java

DataStream<String> stream = ...;

FlinkKafkaProducer011<String> myProducer = new FlinkKafkaProducer011<String>(
        "localhost:9092",            // broker list
        "my-topic",                  // target topic
        new SimpleStringSchema());   // serialization schema

// versions 0.10+ allow attaching the records' event timestamp when writing them to Kafka;
// this method is not available for earlier Kafka versions
myProducer.setWriteTimestampToKafka(true);

stream.addSink(myProducer);

scala

val stream: DataStream[String] = ...

val myProducer = new FlinkKafkaProducer011[String](
        "localhost:9092",         // broker list
        "my-topic",               // target topic
        new SimpleStringSchema)   // serialization schema

// versions 0.10+ allow attaching the records' event timestamp when writing them to Kafka;
// this method is not available for earlier Kafka versions
myProducer.setWriteTimestampToKafka(true)

stream.addSink(myProducer)

需要指定broker list ， topic，序列化類，

自定義磁區：默認情況下，將使用FlinkFixedPartitioner將每個Flink Kafka Producer并行子任務映射到單個Kafka磁區，

可以實作FlinkKafkaPartitioner類自定義磁區，

Flink1.9消費Kafka完整代碼：

import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;
import java.util.Properties;

public class KafkaConsumer {

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

        Properties properties = new Properties();
        properties.setProperty("bootstrap.servers", "localhost:9092");
        properties.setProperty("group.id", "test");
        //構建FlinkKafkaConsumer
        FlinkKafkaConsumer<String> myConsumer = new FlinkKafkaConsumer<>("topic", new SimpleStringSchema(), properties);
        //指定偏移量
        myConsumer.setStartFromEarliest();


        DataStream<String> stream = env
                .addSource(myConsumer);

        env.enableCheckpointing(5000);
        stream.print();

        env.execute("Flink Streaming Java API Skeleton");
    }

專案地址：https://github.com/tree1123/flink_demo_1.9

更多Flink知識，歡迎關注實時流式計算

標籤：大數據

上一篇：[大資料學習研究] 4. Zookeeper-分布式服務的協同管理神器

下一篇：安裝虛擬機和網路配置