0. 相关文章链接
1. 开发目的
在日常的Flink开发中,我们经常要从Kafka中获取数据,或将计算统计后的结果输出到Kafka中,如果我们每次开发程序都去手动的创建 KafkaProducer 或者 KafkaConsumer ,这样就会造成开发时间的浪费,并且在代码中也会很冗余。这时,就可以将公用的代码进行抽取,然后将需要变换的配置通过参数进行传入,这样使用时只需要通过调用方法就能获取到对应的生产者对象和消费者对象。
2. 环境依赖
具体环境依赖跟Flink依赖一致,可以参考博主另一篇文章: Flink(8):Flink的API说明和pom文件汇总
3. 功能实现
方法描述:
- getKafkaConsumerProperties(String groupId):通过消费者组id 获取对应的kafka消费者配置
- getKafkaProducerProperties():获取kafka生产者配置
- getKafkaConsumer(String topicName, String groupId):封装kafka消费者
- getKafkaConsumer(String topicName, String groupId, Long timestamp):封装kafka消费者,从传入的时间戳开始消费
- getKafkaConsumerAvro(String topicName, String groupId, Class
<T>
clz):封装kafka消费者,反序列化Avro为指定类型- getKafkaConsumerAvro(String topicName, String groupId, Class
<T>
clz, Long timestamp):封装kafka消费者,反序列化Avro为指定类型,并从指定时间戳开始消费- getKafkaConsumerAndTimestamp(String topicName, String groupId):封装kafka消费者(返回一个Tuple2,其中第一个元素为kafka的value值,第二个为该消息在kafka中对应的时间戳)
- getKafkaConsumerAndTimestamp(String topicName, String groupId, Long timestamp):封装kafka消费者,从传入的时间戳开始消费(返回一个Tuple2,其中第一个元素为kafka的value值,第二个为该消息在kafka中对应的时间戳)
- getKafkaProducer(String topicName):封装kafka生产者
- getKafkaProducerForExactlyOnce(KafkaSerializationSchema
<T>
serializationSchema):封装 Kafka 生产者,动态指定多个不同主题,并使用精确一次语议- getKafkaProducerForExactlyOnce(String topicName):封装 Kafka 精确一次语议 生产者对象
- getKafkaProducerAvroForExactlyOnce(String topicName, Class
<T>
clz):封装 Kafka 精确一次语议 生产者对象,使用ReflectDatum模式的Avro
功能说明:
该工具类主要实现了创建普通Kafka生产者对象、创建获取该条消息进入Kafka中的时间戳的对象、Kafka中消息为Avro类型对象、创建普通生产者对象、创建精确一次语议生产者对象等功能。
具体代码:
在该工具类中使用了ModelUtil类获取配置对象,关于ModelUtil类的具体描述可以参考博主的另一篇博文:Flink(60):Flink中通用ModelUtil工具类
import com.alibaba.fastjson.JSON;
import org.apache.avro.io.BinaryEncoder;
import org.apache.avro.io.DecoderFactory;
import org.apache.avro.io.EncoderFactory;
import org.apache.avro.reflect.ReflectData;
import org.apache.avro.reflect.ReflectDatumReader;
import org.apache.avro.reflect.ReflectDatumWriter;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.api.common.typeinfo.TypeHint;
import org.apache.flink.api.common.typeinfo.TypeInformation;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.connectors.kafka.*;
import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.Properties;
/**
* @date: 2021/5/22
* @author: yangshibiao
* @desc: Kafka工具类
*/
public class KafkaUtil {
public static Logger logger = LoggerFactory.getLogger(KafkaUtil.class);
/**
* 通过消费者组id 获取对应的kafka消费者配置
*
* @param groupId 消费者组id
* @return 配置对象
*/
public static Properties getKafkaConsumerProperties(String groupId) {
// Kakfa的参数设置
Properties props = new Properties();
// 集群地址 和 消费者组id
props.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, ModelUtil.getConfigValue("bootstrap.servers"));
props.setProperty(ConsumerConfig.GROUP_ID_CONFIG, groupId);
// 偏移量自动提交,虽然在使用checkpoint时可以保存,但还是自动提交偏移量比较稳妥
props.setProperty(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, ModelUtil.getConfigValue("enable.auto.commit"));
props.setProperty(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG, ModelUtil.getConfigValue("auto.commit.interval.ms"));
// 设置事务的提交发送
props.setProperty(ConsumerConfig.ISOLATION_LEVEL_CONFIG, "read_committed");
// 开启一个后台线程每隔5s检测一下Kafka的分区情况
props.setProperty(FlinkKafkaConsumerBase.KEY_PARTITION_DISCOVERY_INTERVAL_MILLIS, ModelUtil.getConfigValue("flink.partition-discovery.interval-millis"));
// 当在kafka中保存偏移量的topic中有偏移量时从偏移量消费,没有从最新开始消费(其他还可以设置earliest,从最开始的数据开始消费等)
props.setProperty(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, ModelUtil.getConfigValue("auto.offset.reset"));
// 返回参数设置对象
return props;
}
/**
* 获取kafka生产者配置
*
* @return 配置对象
*/
public static Properties getKafkaProducerProperties() {
Properties props = new Properties();
props.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, ModelUtil.getConfigValue("bootstrap.servers"));
//如果 10 分钟没有更新状态,则超时( 默认超时时间是1分钟),表示已经提交事务到kafka,但10分钟还没有上传数据,结束事务
props.setProperty(ProducerConfig.TRANSACTION_TIMEOUT_CONFIG, String.valueOf(10 * 60 * 1000));
// 配置生产者的kafka的单条消息的最大大小
props.setProperty(ProducerConfig.MAX_REQUEST_SIZE_CONFIG, String.valueOf(10 * 1024 * 1024));
props.setProperty(ProducerConfig.COMPRESSION_TYPE_CONFIG, "snappy");
props.setProperty(ProducerConfig.BATCH_SIZE_CONFIG, String.valueOf(8 * 1024));
props.setProperty(ProducerConfig.BUFFER_MEMORY_CONFIG, String.valueOf(64 * 1024 * 1024));
// 返回参数设置对象
return props;
}
/**
* 封装kafka消费者
*
* @param topicName 主题名
* @param groupId 消费者组id
* @return 消费者对象
*/
public static FlinkKafkaConsumer<String> getKafkaConsumer(String topicName, String groupId) {
// 获取kafka的配置对象
Properties props = KafkaUtil.getKafkaConsumerProperties(groupId);
// 创建一个FlinkKafka的消费者
return new FlinkKafkaConsumer<>(topicName, new SimpleStringSchema(), props);
}
/**
* 封装kafka消费者,从传入的时间戳开始消费
*
* @param topicName 主题名
* @param groupId 消费者组id
* @param timestamp 13为长整形时间戳
* @return 消费者对象
*/
public static FlinkKafkaConsumer<String> getKafkaConsumer(String topicName, String groupId, Long timestamp) {
// 获取kafka的配置对象
Properties props = KafkaUtil.getKafkaConsumerProperties(groupId);
// 创建一个FlinkKafka的消费者
FlinkKafkaConsumer<String> consumer = new FlinkKafkaConsumer<>(topicName, new SimpleStringSchema(), props);
// 设置从指定时间戳开始消费
logger.info(">>>>> 从kafka的指定时间戳开始消费,时间戳:" + timestamp);
consumer.setStartFromTimestamp(timestamp);
// 返回消费者对象
return consumer;
}
/**
* 封装kafka消费者,反序列化Avro为指定类型
*
* @param topicName 主题名
* @param groupId 消费者组id
* @param clz 指定类型
* @return 消费者对象
*/
public static <T> FlinkKafkaConsumer<T> getKafkaConsumerAvro(String topicName, String groupId, Class<T> clz) {
// 获取kafka的配置对象
Properties props = KafkaUtil.getKafkaConsumerProperties(groupId);
// kafka反序列化对象
KafkaDeserializationSchema<T> deserializationSchema = new KafkaDeserializationSchema<T>() {
@Override
public TypeInformation<T> getProducedType() {
return TypeInformation.of(clz);
}
@Override
public boolean isEndOfStream(T nextElement) {
return false;
}
@Override
public T deserialize(ConsumerRecord<byte[], byte[]> record) throws Exception {
ReflectDatumReader<T> reflectDatumReader = new ReflectDatumReader<>(ReflectData.AllowNull.get().getSchema(clz));
return reflectDatumReader.read(null, DecoderFactory.get().binaryDecoder(record.value(), null));
}
};
// 创建基于flink的kafka消费者
return new FlinkKafkaConsumer<T>(topicName, deserializationSchema, props);
}
/**
* 封装kafka消费者,反序列化Avro为指定类型,并从指定时间戳开始消费
*
* @param topicName 主题名
* @param groupId 消费者组id
* @param clz 指定类型
* @param timestamp 指定的时间戳,13位长整型
* @return 消费者对象
*/
public static <T> FlinkKafkaConsumer<T> getKafkaConsumerAvro(String topicName, String groupId, Class<T> clz, Long timestamp) {
// 获取kafka的配置对象
Properties props = KafkaUtil.getKafkaConsumerProperties(groupId);
// kafka反序列化对象
KafkaDeserializationSchema<T> deserializationSchema = new KafkaDeserializationSchema<T>() {
@Override
public TypeInformation<T> getProducedType() {
return TypeInformation.of(clz);
}
@Override
public boolean isEndOfStream(T nextElement) {
return false;
}
@Override
public T deserialize(ConsumerRecord<byte[], byte[]> record) throws Exception {
ReflectDatumReader<T> reflectDatumReader = new ReflectDatumReader<>(ReflectData.AllowNull.get().getSchema(clz));
return reflectDatumReader.read(null, DecoderFactory.get().binaryDecoder(record.value(), null));
}
};
// 创建基于flink的kafka消费者
FlinkKafkaConsumer<T> consumer = new FlinkKafkaConsumer<>(topicName, deserializationSchema, props);
// 设置从指定时间戳开始消费
logger.info(">>>>> 从kafka的指定时间戳开始消费,时间戳:" + timestamp);
consumer.setStartFromTimestamp(timestamp);
return consumer;
}
/**
* 封装kafka消费者(返回一个Tuple2,其中第一个元素为kafka的value值,第二个为该消息在kafka中对应的时间戳)
*
* @param topicName 主题名
* @param groupId 消费者组id
* @return 消费者对象
*/
public static FlinkKafkaConsumer<Tuple2<String, Long>> getKafkaConsumerAndTimestamp(String topicName, String groupId) {
// 获取kafka的配置对象
Properties props = KafkaUtil.getKafkaConsumerProperties(groupId);
// 自定义kafka的反序列化器
KafkaDeserializationSchema<Tuple2<String, Long>> deserializationSchema = new KafkaDeserializationSchema<Tuple2<String, Long>>() {
@Override
public TypeInformation<Tuple2<String, Long>> getProducedType() {
return TypeInformation.of(new TypeHint<Tuple2<String, Long>>() {
});
}
@Override
public boolean isEndOfStream(Tuple2<String, Long> nextElement) {
return false;
}
@Override
public Tuple2<String, Long> deserialize(ConsumerRecord<byte[], byte[]> record) throws Exception {
String message = new String(record.value(), StandardCharsets.UTF_8);
long timestamp = record.timestamp() / 1000;
return Tuple2.of(message, timestamp);
}
};
// 创建一个FlinkKafka的消费者,其中包含kafka中的value和该条消息到kafka的时间
return new FlinkKafkaConsumer<>(topicName, deserializationSchema, props);
}
/**
* 封装kafka消费者,从传入的时间戳开始消费(返回一个Tuple2,其中第一个元素为kafka的value值,第二个为该消息在kafka中对应的时间戳)
*
* @param topicName 主题名
* @param groupId 消费者组id
* @param timestamp 13位长整形时间戳
* @return 消费者对象
*/
public static FlinkKafkaConsumer<Tuple2<String, Long>> getKafkaConsumerAndTimestamp(String topicName, String groupId, Long timestamp) {
// 获取kafka的配置对象
Properties props = KafkaUtil.getKafkaConsumerProperties(groupId);
// 自定义kafka的反序列化器
KafkaDeserializationSchema<Tuple2<String, Long>> deserializationSchema = new KafkaDeserializationSchema<Tuple2<String, Long>>() {
@Override
public TypeInformation<Tuple2<String, Long>> getProducedType() {
return TypeInformation.of(new TypeHint<Tuple2<String, Long>>() {
});
}
@Override
public boolean isEndOfStream(Tuple2<String, Long> nextElement) {
return false;
}
@Override
public Tuple2<String, Long> deserialize(ConsumerRecord<byte[], byte[]> record) throws Exception {
String message = new String(record.value(), StandardCharsets.UTF_8);
long timestamp = record.timestamp() / 1000;
return Tuple2.of(message, timestamp);
}
};
// 创建一个FlinkKafka的消费者,其中包含kafka中的value和该条消息到kafka的时间
FlinkKafkaConsumer<Tuple2<String, Long>> consumer = new FlinkKafkaConsumer<>(topicName, deserializationSchema, props);
// 设置从指定时间戳开始消费
logger.info(">>>>> 从kafka的指定时间戳开始消费,时间戳:" + timestamp);
consumer.setStartFromTimestamp(timestamp);
// 返回消费者对象
return consumer;
}
/**
* 封装kafka生产者
*
* @param topicName 主题名
* @return 生产者对象
*/
public static FlinkKafkaProducer<String> getKafkaProducer(String topicName) {
return new FlinkKafkaProducer<>(ModelUtil.getConfigValue("bootstrap.servers"), topicName, new SimpleStringSchema());
}
/**
* 封装 Kafka 生产者,动态指定多个不同主题,并使用精确一次语议
*
* @param serializationSchema 序列化模式
* @param <T> 来源数据类型
* @return FlinkKafkaProducer
*/
public static <T> FlinkKafkaProducer<T> getKafkaProducerForExactlyOnce(KafkaSerializationSchema<T> serializationSchema) {
Properties props = KafkaUtil.getKafkaProducerProperties();
return new FlinkKafkaProducer<>(ModelUtil.getConfigValue("kafka.default.topic"), serializationSchema, props, FlinkKafkaProducer.Semantic.EXACTLY_ONCE);
}
/**
* 封装 Kafka 精确一次语议 生产者对象
*
* @param topicName 主题名
* @param <T> 来源数据类型
* @return FlinkKafkaProducer
*/
public static <T> FlinkKafkaProducer<T> getKafkaProducerForExactlyOnce(String topicName) {
return KafkaUtil.getKafkaProducerForExactlyOnce((KafkaSerializationSchema<T>) (t, aLong) -> new ProducerRecord<>(topicName, JSON.toJSONBytes(t)));
}
/**
* 封装 Kafka 精确一次语议 生产者对象,使用ReflectDatum模式的Avro
*
* @param topicName 主题名
* @param <T> 来源数据类型
* @return FlinkKafkaProducer
*/
public static <T> FlinkKafkaProducer<T> getKafkaProducerAvroForExactlyOnce(String topicName, Class<T> clz) {
return KafkaUtil.getKafkaProducerForExactlyOnce((KafkaSerializationSchema<T>) (element, timestamp) -> {
ByteArrayOutputStream out = new ByteArrayOutputStream();
BinaryEncoder encoder = EncoderFactory.get().binaryEncoder(out, null);
ReflectDatumWriter<T> writer = new ReflectDatumWriter<>(ReflectData.AllowNull.get().getSchema(clz));
byte[] value = null;
try {
writer.write(element, encoder);
encoder.flush();
value = out.toByteArray();
out.close();
} catch (IOException e) {
e.printStackTrace();
throw new RuntimeException("将数据序列化成Avro格式异常,异常信息如下 \r\n " + e.getMessage());
}
return new ProducerRecord<>(topicName, value);
});
}
}
4. 具体使用
可以参考如下2个类,从Kafka中消费数据,或者生产数据发送到Kafka中
4.1. Kafka消费者
import com.yishou.realtime.dw.common.utils.KafkaUtil;
import com.yishou.realtime.dw.common.utils.ModelUtil;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
/**
* @date: 2022/4/23
* @author: yangshibiao
* @desc: 从test-topic主题中消费数据
*/
public class KafkaConsumer {
public static void main(String[] args) throws Exception {
// 包括但不限于kafka的消费者id
String application = "KafkaConsumer";
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
ModelUtil.deployRocksdbCheckpoint(env, application, 3 * 1000);
ModelUtil.deployRestartStrategy(env);
env
.addSource(KafkaUtil.getKafkaConsumerAvro("test-topic", application, String.class))
.map(new MapFunction<String, String>() {
@Override
public String map(String value) throws Exception {
System.out.println(value);
return value;
}
});
env.execute(application);
}
}
4.2. Kafka生产者
import com.alibaba.fastjson.JSON;
import com.yishou.realtime.dw.common.bean.CommonRow;
import com.yishou.realtime.dw.common.utils.KafkaUtil;
import com.yishou.realtime.dw.common.utils.ModelUtil;
import org.apache.flink.api.common.functions.FilterFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
/**
* @date: 2022/4/23
* @author: yangshibiao
* @desc: 往 test-topic 中生产数据
*/
public class KafkaProduce {
public static void main(String[] args) throws Exception {
// 包括但不限于kafka的消费者id
String applicationName = "KafkaProduce";
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
env.setParallelism(1);
ModelUtil.deployRocksdbCheckpoint(env, applicationName, 3 * 1000);
ModelUtil.deployRestartStrategy(env);
env
.addSource(KafkaUtil.getKafkaConsumerAvro("bigdata_mysql_binlog_avro", applicationName, CommonRow.class))
.filter(new FilterFunction<CommonRow>() {
@Override
public boolean filter(CommonRow commonRow) throws Exception {
return "fmys_goods_lib".equals(commonRow.getTb());
}
})
.map(new MapFunction<CommonRow, String>() {
@Override
public String map(CommonRow value) throws Exception {
String s = JSON.parseObject(JSON.toJSONString(value)).toJSONString();
System.out.println(s);
return s;
}
})
.addSink(KafkaUtil.getKafkaProducerAvroForExactlyOnce("test-topic", String.class))
;
env.execute(applicationName);
}
}
注:本篇博文是对原先一篇Flink和Kafka连接博文的补充,原先博文地址 ->Flink(16):Flink之Connect Kafka API
注:其他相关文章链接由此进 ->Flink文章汇总
版权声明:本文不是「本站」原创文章,版权归原作者所有 | 原文地址: