实战Flink Java api消费kafka实时数据落盘HDFS

文章目录

1 需求分析2 实验过程2.1 启动服务程序2.2 启动kafka生产

3 Java API 开发3.1 依赖3.2 代码部分

4 实验验证STEP1STEP2STEP3

5 时间窗口

1 需求分析

在Java api中，使用flink本地模式，消费kafka主题，并直接将数据存入hdfs中。

flink版本1.13

kafka版本0.8

hadoop版本3.1.4

2 实验过程

2.1 启动服务程序

为了完成 Flink 从 Kafka 消费数据并实时写入 HDFS 的需求，通常需要启动以下组件：

[root@hadoop10 ~]# jps

3073 SecondaryNameNode

2851 DataNode

2708 NameNode

12854 Jps

1975 StandaloneSessionClusterEntrypoint

2391 QuorumPeerMain

2265 TaskManagerRunner

9882 ConsoleProducer

9035 Kafka

3517 NodeManager

3375 ResourceManager

确保 Zookeeper 在运行，因为 Flink 的 Kafka Consumer 需要依赖 Zookeeper。

确保 Kafka Server 在运行，因为 Flink 的 Kafka Consumer 需要连接到 Kafka Broker。

启动 Flink 的 JobManager 和 TaskManager，这是执行 Flink 任务的核心组件。

确保这些组件都在运行，以便 Flink 作业能够正常消费 Kafka 中的数据并将其写入 HDFS。

具体的启动命令在此不再赘述。

2.2 启动kafka生产

当前kafka没有在守护进程后台运行；创建主题，启动该主题的生产者，在kafka的bin目录下执行；此时可以生产数据，从该窗口键入任意数据进行发送。

kafka-topics.sh --zookeeper hadoop10:2181 --create --topic topic1 --partitions 1 --replication-factor 1

kafka-console-producer.sh --broker-list hadoop10:9092 --topic topic1

3 Java API 开发

3.1 依赖

此为项目的所有依赖，包括flink、spark、hbase、ck等，实际本需求无需全部依赖，均可在阿里云或者maven开源镜像站下载。

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

4.0.0

org.example

flink-test

1.0-SNAPSHOT

1.13.6

2.4.0

org.apache.flink

flink-streaming-java_2.11

${flink.version}

org.apache.flink

flink-java

${flink.version}

org.apache.flink

flink-clients_2.11

${flink.version}

org.apache.flink

flink-table-api-java-bridge_2.11

${flink.version}

org.apache.flink

flink-table-planner-blink_2.11

${flink.version}

org.apache.flink

flink-shaded-hadoop-2-uber

2.7.5-10.0

log4j

log4j

1.2.17

org.projectlombok

lombok

1.18.24

org.apache.flink

flink-connector-kafka_2.11

${flink.version}

org.apache.flink

flink-connector-jdbc_2.11

${flink.version}

mysql

mysql-connector-java

5.1.38

org.apache.bahir

flink-connector-redis_2.11

1.1.0

org.apache.hbase

hbase-server

${hbase.version}

guava

com.google.guava

log4j

log4j

org.apache.hbase

hbase-common

${hbase.version}

guava

com.google.guava

org.apache.commons

commons-pool2

2.4.2

com.alibaba

fastjson

2.0.32

org.apache.flink

flink-connector-kafka_2.11

${flink.version}

org.apache.flink

flink-csv

${flink.version}

org.apache.flink

flink-connector-jdbc_2.11

${flink.version}

org.apache.flink

flink-json

${flink.version}

org.apache.flink

flink-connector-hbase-2.2_2.11

${flink.version}

org.apache.flink

flink-cep_2.11

${flink.version}

cn.hutool

hutool-all

5.8.20

org.apache.maven.wagon

wagon-ssh

2.8

org.codehaus.mojo

wagon-maven-plugin

1.0

target/${project.build.finalName}.jar

scp://root:root@hadoop10:/opt/app

依赖参考

3.2 代码部分

请注意kafka和hdfs的部分需要配置服务器地址，域名映射。此代码的功能是消费topic1主题，将数据直接写入hdfs中。

import org.apache.flink.api.common.serialization.SimpleStringEncoder;

import org.apache.flink.api.common.serialization.SimpleStringSchema;

import org.apache.flink.core.fs.Path;

import org.apache.flink.streaming.api.datastream.DataStream;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

import org.apache.flink.streaming.api.functions.sink.filesystem.StreamingFileSink;

import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;

import java.util.Properties;

public class Test9_kafka {

public static void main(String[] args) throws Exception {

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

Properties properties = new Properties();

properties.setProperty("bootstrap.servers", "hadoop10:9092");

properties.setProperty("group.id", "test");

// 使用FlinkKafkaConsumer作为数据源

DataStream ds1 = env.addSource(new FlinkKafkaConsumer<>("topic1", new SimpleStringSchema(), properties));

String outputPath = "hdfs://hadoop10:8020/out240102";

// 使用StreamingFileSink将数据写入HDFS

StreamingFileSink sink = StreamingFileSink

.forRowFormat(new Path(outputPath), new SimpleStringEncoder("UTF-8"))

.build();

// 添加Sink，将Kafka数据直接写入HDFS

ds1.addSink(sink);

ds1.print();

env.execute("Flink Kafka HDFS");

}

}

4 实验验证

STEP1

运行idea代码，程序开始执行，控制台除了日志外为空。下图是已经接收到生产者的数据后，消费在控制台的截图。

STEP2

启动生产者，将数据写入，数据无格式限制，随意填写。此时发送的数据，是可以在STEP1中的控制台中看到屏幕打印结果的。

STEP3

在HDFS中查看对应的目录，可以看到数据已经写入完成。 我这里生成了多个inprogress文件，是因为我测试了多次，断码运行了多次。ide打印在屏幕后，到hdfs落盘写入，中间有一定时间，需要等待，在HDFS中刷新数据，可以看到文件大小从0到被写入数据的过程。

5 时间窗口

使用另一种思路实现，以时间窗口的形式，将数据实时写入HDFS，实验方法同上。截图为发送数据消费，并且在HDFS中查看到数据。

package day2;

import day2.CustomProcessFunction;

import org.apache.flink.api.common.serialization.SimpleStringEncoder;

import org.apache.flink.api.common.serialization.SimpleStringSchema;

import org.apache.flink.core.fs.Path;

import org.apache.flink.streaming.api.datastream.DataStream;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

import org.apache.flink.streaming.api.functions.sink.filesystem.StreamingFileSink;

import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;

import java.util.Properties;

public class Test9_kafka {

public static void main(String[] args) throws Exception {

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

Properties properties = new Properties();

properties.setProperty("bootstrap.servers", "hadoop10:9092");

properties.setProperty("group.id", "test");

// 使用FlinkKafkaConsumer作为数据源

DataStream ds1 = env.addSource(new FlinkKafkaConsumer<>("topic1", new SimpleStringSchema(), properties));

String outputPath = "hdfs://hadoop10:8020/out240102";

// 使用StreamingFileSink将数据写入HDFS

StreamingFileSink sink = StreamingFileSink

.forRowFormat(new Path(outputPath), new SimpleStringEncoder("UTF-8"))

.build();

// 在一个时间窗口内将数据写入HDFS

ds1.process(new CustomProcessFunction()) // 使用自定义 ProcessFunction

.addSink(sink);

// 执行程序

env.execute("Flink Kafka HDFS");

}

}

package day2;

import org.apache.flink.streaming.api.functions.ProcessFunction;

import org.apache.flink.util.Collector;

public class CustomProcessFunction extends ProcessFunction {

@Override

public void processElement(String value, Context ctx, Collector out) throws Exception {

// 在这里可以添加具体的逻辑，例如将数据写入HDFS

System.out.println(value); // 打印结果到屏幕

out.collect(value);

}

}

推荐文章

 您阅读本篇文章共花了：