Flink消费kafka消息实战

Posted 程序员欣宸

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Flink消费kafka消息实战相关的知识,希望对你有一定的参考价值。

欢迎访问我的GitHub

  • 本次实战的内容是开发Flink应用,消费来自kafka的消息,进行实时计算;

环境情况

  • 本次实战用到了三台机器,它们的IP地址和身份如下表所示:
IP地址 身份 备注
192.168.1.104 http请求发起者 此机器上安装了Apache Bench,可以发起大量http请求到192.168.1.101
192.168.1.101 Docker server 此机器上安装了Docker,并且运行了三个容器:zookeeper、kafka、消息生产者(接收http请求时生产一条消息)
192.168.1.102 Flink应用 此机器部署了Flink,运行着我们开发的Flink应用,接收kafka消息做实时处理
  • 注意:

    1. 本文的重点是Flink,所以在192.168.1.101这台机器上通过Docker快速搭建了kafka server和消息生产者,只要向这台机器的消息生产者容器发起http请求,就能生产一条消息到kafka;
    2. 192.168.1.104这台机器安装了Apache Bench,可以通过简单的命令,向192.168.1.101发起大量http请求,这样就能产生大量kafka消息;
  • 整体架构如下图:

操作步骤

  1. 在机器192.168.1.101上部署三个容器(消息生产者、zookeeper、kafka);
  2. 在机器192.168.1.104上安装Apache Bench;
  3. 在机器192.168.1.102上配置kafak相关的host;
  4. 开发Flink应用,部署到机器192.168.1.102;
  5. 在机器192.168.1.104上发起压力测试,请求地址是消息生产者的http接口地址,产生大量消息;
  6. 观察Flink应用的处理情况;

版本信息

  1. 操作系统:Centos7
  2. docker:17.03.2-ce
  3. docker-compose:1.23.2
  4. kafka:0.11.0.3
  5. zookeeper:3.4.9
  6. JDK:1.8.0_191
  7. spring boot:1.5.9.RELEASE
  8. spring-kafka:1.3.8.RELEASE
  9. Flink:1.7

在机器192.168.1.101上部署三个容器(消息生产者、zookeeper、kafka)

  • 构建kafka相关的环境不是本文重点,因此这里利用docker快速实现,步骤如下:
  • 在机器192.168.1.101上安装docker和docker-compose;
  • 创建docker-compose.yml文件,内容如下:
    version: 2
    services:
    zookeeper:
    image: wurstmeister/zookeeper
    ports:
      - "2181:2181"
    kafka1:
    image: wurstmeister/kafka:2.11-0.11.0.3
    ports:
      - "9092:9092"
    environment:
      KAFKA_ADVERTISED_LISTENERS: PLAINTEXT://kafka1:9092
      KAFKA_LISTENERS: PLAINTEXT://:9092
      KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181
      KAFKA_CREATE_TOPICS: "topic001:2:1"
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock
    producer:
    image: bolingcavalry/kafka01103producer:0.0.1-SNAPSHOT
    ports:
      - "8080:8080"
  • 在docker-compose.yml所在目录执行命令**docker-compose up -d</font>,即可启动容器;

  • 如果您想了解更多docker环境下kafka消息生产者的细节,请参考《如何使用Docker内的kafka服务》

在机器192.168.1.104上安装Apache Bench

  • 不同的操作系统安装Apache Bench的命令也不一样:
    1. ubuntu上的安装命令**apt-get install apache2-utils</font>;
    2. centos上的安装命令**yum install httpd-tools</font>;

源码下载

  • 接下来的实战是编写Flink应用的源码,您可以选择直接从GitHub下载这个工程的源码,地址和链接信息如下表所示:
名称 链接 备注
项目主页 https://github.com/zq2599/blog_demos 该项目在GitHub上的主页
git仓库地址(https) https://github.com/zq2599/blog_demos.git 该项目源码的仓库地址,https协议
git仓库地址(ssh) git@github.com:zq2599/blog_demos.git 该项目源码的仓库地址,ssh协议
  • 这个git项目中有多个文件夹,本章源码在flinkkafkademo这个文件夹下,如下图红框所示:

开发Flink应用,部署到机器192.168.1.102

mvn archetype:generate -DarchetypeGroupId=org.apache.flink -DarchetypeArtifactId=flink-quickstart-java -DarchetypeVersion=1.7.0
  • 根据提示,输入groupId为com.bolingcavalry,artifactId为flinkkafkademo,其他的直接按下回车键即可使用默认值,这样就得到了一个maven工程:flinkkafkademo;

  • 打开工程的pom.xml文件,增加以下两个依赖:
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-connector-kafka-0.11_2.12</artifactId>
    <version>$flink.version</version>
</dependency>

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>fastjson</artifactId>
    <version>1.2.28</version>
</dependency>
  • 新增一个辅助类,用于将kafka消息中的内容转换成java对象:
/**
 * @Description: 解析原始消息的辅助类
 * @author: willzhao E-mail: zq2599@gmail.com
 * @date: 2019/1/1 20:13
 */
public class JSONHelper 

    /**
     * 解析消息,得到时间字段
     * @param raw
     * @return
     */
    public static long getTimeLongFromRawMessage(String raw)
        SingleMessage singleMessage = parse(raw);
        return null==singleMessage ? 0L : singleMessage.getTimeLong();
    

    /**
     * 将消息解析成对象
     * @param raw
     * @return
     */
    public static SingleMessage parse(String raw)
        SingleMessage singleMessage = null;

        if (raw != null) 
            singleMessage = JSONObject.parseObject(raw, SingleMessage.class);
        

        return singleMessage;
    
  • SingleMessage对象的定义:
public class SingleMessage 

    private long timeLong;
    private String name;
    private String bizID;
    private String time;
    private String message;

    public long getTimeLong() 
        return timeLong;
    

    public void setTimeLong(long timeLong) 
        this.timeLong = timeLong;
    

    public String getName() 
        return name;
    

    public void setName(String name) 
        this.name = name;
    

    public String getBizID() 
        return bizID;
    

    public void setBizID(String bizID) 
        this.bizID = bizID;
    

    public String getTime() 
        return time;
    

    public void setTime(String time) 
        this.time = time;
    

    public String getMessage() 
        return message;
    

    public void setMessage(String message) 
        this.message = message;
    
  • 实时处理的操作都集中在StreamingJob类,源码的关键位置已经加了注释,就不再赘述了:

package com.bolingcavalry;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.api.java.tuple.Tuple;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.AssignerWithPunctuatedWatermarks;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.watermark.Watermark;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer011;

import javax.annotation.Nullable;
import java.util.Properties;

/**
 * Skeleton for a Flink Streaming Job.
 *
 * <p>For a tutorial how to write a Flink streaming application, check the
 * tutorials and examples on the <a rel="nofollow" href="http://flink.apache.org/docs/stable/">Flink Website</a>.
 *
 * <p>To package your application into a JAR file for execution, run
 * mvn clean package on the command line.
 *
 * <p>If you change the name of the main class (with the public static void main(String[] args))
 * method, change the respective entry in the POM.xml file (simply search for mainClass).
 */
public class StreamingJob 

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

        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.enableCheckpointing(5000); // 要设置启动检查点
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

        Properties props = new Properties();
        props.setProperty("bootstrap.servers", "kafka1:9092");
        props.setProperty("group.id", "flink-group");

        //数据源配置,是一个kafka消息的消费者
        FlinkKafkaConsumer011<String> consumer =
                new FlinkKafkaConsumer011<>("topic001", new SimpleStringSchema(), props);

        //增加时间水位设置类
        consumer.assignTimestampsAndWatermarks(new AssignerWithPunctuatedWatermarks<String> ()
            @Override
            public long extractTimestamp(String element, long previousElementTimestamp) 
                return JSONHelper.getTimeLongFromRawMessage(element);
            

            @Nullable
            @Override
            public Watermark checkAndGetNextWatermark(String lastElement, long extractedTimestamp) 
                if (lastElement != null) 
                    return new Watermark(JSONHelper.getTimeLongFromRawMessage(lastElement));
                
                return null;
            
        );

        env.addSource(consumer)
                //将原始消息转成Tuple2对象,保留用户名称和访问次数(每个消息访问次数为1)
                .flatMap((FlatMapFunction<String, Tuple2<String, Long>>) (s, collector) -> 
                    SingleMessage singleMessage = JSONHelper.parse(s);

                    if (null != singleMessage) 
                        collector.collect(new Tuple2<>(singleMessage.getName(), 1L));
                    
                )
                //以用户名为key
                .keyBy(0)
                //时间窗口为2秒
                .timeWindow(Time.seconds(2))
                //将每个用户访问次数累加起来
                .apply((WindowFunction<Tuple2<String, Long>, Tuple2<String, Long>, Tuple, TimeWindow>) (tuple, window, input, out) -> 
                    long sum = 0L;
                    for (Tuple2<String, Long> record: input) 
                        sum += record.f1;
                    

                    Tuple2<String, Long> result = input.iterator().next();
                    result.f1 = sum;
                    out.collect(result);
                )
                //输出方式是STDOUT
                .print();

        env.execute("Flink-Kafka demo");
    
  • 在pom.xml所在文件夹执行以下命令打包:
mvn clean package -Dmaven.test.skip=true -U
  • 打包成功后,会在target目录下生成文件**flinkkafkademo-1.0-SNAPSHOT.jar</font>,将此文件提交到Flinkserver上,如下图:
  • 点击下图红框中的"Upload"按钮:
  • 如下图,选中刚刚上传的文件,填写类名,再点击"Submit"按钮即可启动Job:
  • 如下图,在Overview页面可见正在运行的任务:

  • 现在所有服务都准备完毕,可以生产消息验证了;

在机器192.168.1.104上发起压力测试,产生大量消息

  • 登录部署了Apache Bench的机器,执行以下命令:

    ab -n 10000 -c 2 http://192.168.1.101:8080/send/Jack/hello

    192.168.1.101是消息生产者的web服务的地址,上述命令发起了并发数为2的压力测试,一共会发起一万次请求;

  • 压力测试完毕后,在Flink的Task Managers页面的Stdout页可以见到实时计算的统计数据,如下图:

  • 至此,Flink消费kafka消息的实战就全部完成了,本次实战从消息产生到实时处理全部实现,希望在您构建基于kafak的实时计算环境时可以提供一些参考;

欢迎关注51CTO博客:程序员欣宸

以上是关于Flink消费kafka消息实战的主要内容,如果未能解决你的问题,请参考以下文章

Flink实战系列Flink 1.14.0 消费 kafka 数据自定义反序列化器

Flink SQL Client综合实战

flink kafka消费pojo类型数据实战详解

flink kafka消费pojo类型数据实战详解

Flink消费Kafka如何保证相同标识消息的有序性

Flink 实战系列Flink 消费多个 Topic 数据利用侧流输出完成分流功能