随着业务的发展，数据量剧增，我们一些简单报表大盘类的任务，就不能简单的依赖于RDBMS了，而是依赖于数仓之类的大数据平台。
数仓有着巨量数据的存储能力，但是一般都存在一定数据延迟，所以要想完全依赖数数仓来解决实时报表问题，是困难的。
其实，所谓的实时报表，往简单了说就是: 对现在的一些数据进行加减乘除聚合后，得到的一串与时间相关的数字。
所以，这类问题的关键点应该在于这个实时数据怎么来，以及怎么处理这些实时数据。
一般地，做这类报表类工作，最基本的原则就是: 业务无侵入性，然后又要做到实时。
所以，本能性地想到，使用消息中间件来解耦这个数据就好了，Kafka 可能是个比较好的选择。当然，这个前提是业务技术都是使用这一套东西的，如果没有，则可能想另外的招了，比如: binlog 解析？
有了数据来源之后，我们就可以做相应的报表数据了。
前面既然提到，报表基本上就是进行简单的加减乘除，那就是很简单了呗。
也就是，自己起几个kafka消费者，然后消费数据，运算后，得到结果，然后存入DB中，而已。
所以，完全可以去做这么一件事。但是你知道，凡事不会那么简单，你要处理多少异常：时间边界问题，宕机问题，业务新增问题。。。
不多说了，回到本文正题：像这类场景，其实就是简单的流处理流计算而已，早已相应的开发模块被提炼出来，咱们只要学会使用就好了。
Flink是其中做得比较好的一个框架，据说也是未来的一个趋势。既然如此，何不学他一学。
Flink，流计算，感觉挺难啊！
其实不然，就像前面我们提到解决方案一样，入门就是这么简单。
好，接下来我们通过一个 flink-demo，试着入门一下!
解释:
1. 以下demo的应用场景是: 统计1分钟类的渠道下单数量;
2. 数据源源为kakfa;
3. 数据输出存储为kafka和控制台;
真实的代码如下：
package com.my.flink.kafka.consumer;
import com.my.flink.config.KafkaConstantProperties;
import com.my.flink.kafka.serializer.KafkaTuple4StringSchema;
import org.apache.flink.api.java.tuple.Tuple4;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer010;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer010;
import org.apache.flink.streaming.util.serialization.SimpleStringSchema;
import java.util.Properties;
import java.util.concurrent.TimeUnit;
/**
* 用java 写消费者
*
*/
public class ConsumeKafkaByJava {
private static final String CONSUMER_GROUP_ID = "test.flink.consumer1";
public static void main(String[] args) throws Exception {
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// env.enableCheckpointing(1000);
Properties kafkaProps = new Properties();
kafkaProps.setProperty("bootstrap.servers", KafkaConstantProperties.KAFKA_BROKER);
kafkaProps.setProperty("group.id", CONSUMER_GROUP_ID);
FlinkKafkaConsumer010<String> myConsumer = new FlinkKafkaConsumer010<String>(
KafkaConstantProperties.FLINK_COMPUTE_TOPIC_IN1,
new SimpleStringSchema(),
kafkaProps);
DataStream<String> dataStream = env.addSource(myConsumer);
// 四元组数据为: 订单号,统计维度标识,订单数,订单金额
DataStream<Tuple4<String, String, Integer, Double>> counts = dataStream
.flatMap(new TestBizDataLineSplitter())
.keyBy(1)
.timeWindow(Time.of(30, TimeUnit.SECONDS))
.reduce((value1, value2) -> {
return new Tuple4<>(value1.f0, value1.f1, value1.f2 + value2.f2, value1.f3 + value2.f3);
});
// 暂时输入与输出相同
counts.addSink(new FlinkKafkaProducer010<>(
KafkaConstantProperties.FLINK_DATA_SINK_TOPIC_OUT1,
new KafkaTuple4StringSchema(),
kafkaProps)
);
// 统计值多向输出
dataStream.print();
counts.print();
env.execute("Test Count from Kafka data");
}
}
如上，就是一个 flink 的统计代码了，简单不？肯定简单！
不过，单这个东西肯定是跑不起来的，我们还需要框架基础依赖附加模板工作，不过这些真的只是 copy 而已哦。
1. pom.xml 依赖:
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>com.my.flink</groupId>
<artifactId>flink-kafka-test</artifactId>
<version>1.0-SNAPSHOT</version>
<inceptionYear>2008</inceptionYear>
<properties>
<scala.version>2.11.6</scala.version>
</properties>
<repositories>
<repository>
<id>scala-tools.org</id>
<name>Scala-Tools Maven2 Repository</name>
<url>http://scala-tools.org/repo-releases</url>
</repository>
</repositories>
<pluginRepositories>
<pluginRepository>
<id>scala-tools.org</id>
<name>Scala-Tools Maven2 Repository</name>
<url>http://scala-tools.org/repo-releases</url>
</pluginRepository>
</pluginRepositories>
<dependencies>
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>${scala.version}</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.4</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.specs</groupId>
<artifactId>specs</artifactId>
<version>1.2.5</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-core</artifactId>
<version>1.3.2</version>
<scope>compile</scope>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.flink/flink-connector-kafka-0.10_2.11 -->
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-connector-kafka-0.10_2.11</artifactId>
<version>1.3.2</version>
<scope>compile</scope>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.kafka/kafka_2.11 -->
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka_2.11</artifactId>
<version>0.10.2.0</version>
<scope>compile</scope>
</dependency>
<dependency>
<groupId>org.apache.kafka</groupId>
<artifactId>kafka-clients</artifactId>
<version>2.3.0</version>
<scope>compile</scope>
</dependency>
<!-- flink-streaming的jar包，2.11为scala版本号 -->
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-streaming-java_2.11</artifactId>
<version>1.3.2</version>
<scope>compile</scope>
</dependency>
<!-- <dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-streaming-scala_2.11</artifactId>
<version>1.3.2</version>
<scope>compile</scope>
</dependency>-->
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>1.2.59</version>
</dependency>
</dependencies>
<build>
<sourceDirectory>src/main/scala</sourceDirectory>
<testSourceDirectory>src/test/scala</testSourceDirectory>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<source>1.8</source>
<target>1.8</target>
</configuration>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-jar-plugin</artifactId>
<configuration>
<archive>
<manifest>
<addClasspath>true</addClasspath>
<useUniqueVersions>false</useUniqueVersions>
<classpathPrefix>lib/</classpathPrefix>
<mainClass>com.my.flink.kafka.consumer.ConsumeKafkaByJava</mainClass>
</manifest>
</archive>
</configuration>
</plugin>
<plugin>
<groupId>org.scala-tools</groupId>
<artifactId>maven-scala-plugin</artifactId>
<executions>
<execution>
<goals>
<goal>compile</goal>
<goal>testCompile</goal>
</goals>
</execution>
</executions>
<configuration>
<scalaVersion>${scala.version}</scalaVersion>
<args>
<arg>-target:jvm-1.5</arg>
</args>
</configuration>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-eclipse-plugin</artifactId>
<configuration>
<downloadSources>true</downloadSources>
<buildcommands>
<buildcommand>ch.epfl.lamp.sdt.core.scalabuilder</buildcommand>
</buildcommands>
<additionalProjectnatures>
<projectnature>ch.epfl.lamp.sdt.core.scalanature</projectnature>
</additionalProjectnatures>
<classpathContainers>
<classpathContainer>org.eclipse.jdt.launching.JRE_CONTAINER</classpathContainer>
<classpathContainer>ch.epfl.lamp.sdt.launching.SCALA_CONTAINER</classpathContainer>
</classpathContainers>
</configuration>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-assembly-plugin</artifactId>
<version>2.4.1</version>
<configuration>
<!-- get all project dependencies -->
<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>
<!-- MainClass in mainfest make a executable jar -->
<archive>
<manifest>
<mainClass>com.my.flink.kafka.consumer.ConsumeKafkaByJava</mainClass>
</manifest>
</archive>
</configuration>
<executions>
<execution>
<id>make-assembly</id>
<!-- bind to the packaging phase -->
<phase>package</phase>
<goals>
<goal>single</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
<reporting>
<plugins>
<plugin>
<groupId>org.scala-tools</groupId>
<artifactId>maven-scala-plugin</artifactId>
<configuration>
<scalaVersion>${scala.version}</scalaVersion>
</configuration>
</plugin>
</plugins>
</reporting>
</project>
2. 另外再加几个辅助类:
// 1.
package com.my.flink.config;
/**
* kafka 相关常量定义
*
*/
public class KafkaConstantProperties {
/**
* kafka broker 地址
*/
public static final String KAFKA_BROKER = "127.0.0.1:9092";
/**
* zk 地址，低版本 kafka 使用，高版本已丢弃
*/
public static final String ZOOKEEPER_HOST = "master:2181,slave1:2181,slave2:2181";
/**
* flink 计算使用topic 1
*/
public static final String FLINK_COMPUTE_TOPIC_IN1 = "mastertest";
/**
* flink消费结果，输出到kafka, topic 数据
*/
public static final String FLINK_DATA_SINK_TOPIC_OUT1 = "flink_compute_result_out1";
}
// 2.
package com.my.flink.kafka.formatter;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple4;
import org.apache.flink.util.Collector;
import java.math.BigDecimal;
/**
* 原始消息参数处理类
*
*/
public final class TestBizDataLineSplitter implements FlatMapFunction<String,
Tuple4<String, String, Integer, Double>> {
private static final long serialVersionUID = 1L;
/**
* 进行 map 阶段展开操作
*
* @param value 原始值: bizData: 2019-08-01 17:39:32,
* P0001,channel1,201908010116100001,100
*
* dateTimeMin,
* productCode, channel,
* orderId, money
* [, totalCount, totalMoney]
*
* @param out 输出值, 用四元组保存
*
*/
@Override
public void flatMap(String value, Collector<Tuple4<String, String,
Integer, Double>> out) {
String[] tokens = value.split(",");
String time = tokens[0].substring(0, 16);
String uniqDimKey = time + "," + tokens[1] + "," + tokens[2];
// totalCount: 1, totalPremium: premium
// todo: 写成 pojo
out.collect(new Tuple4<>(tokens[3], uniqDimKey, 1, Double.valueOf(tokens[4])));
}
}
// 3.
package com.my.flink.kafka.serializer;
import org.apache.flink.api.common.typeinfo.TypeInformation;
import org.apache.flink.api.java.tuple.Tuple4;
import org.apache.flink.streaming.util.serialization.DeserializationSchema;
import org.apache.flink.streaming.util.serialization.SerializationSchema;
import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;
import static org.apache.flink.util.Preconditions.checkNotNull;
/**
* kafka 自定义序列化器
*/
public class KafkaTuple4StringSchema implements DeserializationSchema<Tuple4<String, String, Integer, Double>>, SerializationSchema<Tuple4<String, String, Integer, Double>> {
private static final long serialVersionUID = -5784600791822349178L;
// ------------------------------------------------------------------------
// Kafka Serialization
// ------------------------------------------------------------------------
/** The charset to use to convert between strings and bytes.
* The field is transient because we serialize a different delegate object instead */
private transient Charset charset;
private String separator = ",";
/**
* Creates a new SimpleStringSchema that uses "UTF-8" as the encoding.
*/
public KafkaTuple4StringSchema() {
this(StandardCharsets.UTF_8);
}
/**
* Creates a new SimpleStringSchema that uses the given charset to convert between strings and bytes.
*
* @param charset The charset to use to convert between strings and bytes.
*/
public KafkaTuple4StringSchema(Charset charset) {
this.charset = checkNotNull(charset);
}
@Override
public Tuple4<String, String, Integer, Double> deserialize(byte[] message) {
String rawData = new String(message, StandardCharsets.UTF_8);
String[] dataArr = rawData.split(separator);
return new Tuple4<>(dataArr[0], dataArr[1],
Integer.valueOf(dataArr[2]), Double.valueOf(dataArr[3]));
}
@Override
public boolean isEndOfStream(Tuple4<String, String, Integer, Double> nextElement) {
return false;
}
@Override
public byte[] serialize(Tuple4<String, String, Integer, Double> element) {
return (element.f0 + separator +
element.f1 + separator +
element.f2 + separator +
element.f3).getBytes();
}
@Override
public TypeInformation<Tuple4<String, String, Integer, Double>> getProducedType() {
return null;
}
}
这样，加上上面的 demo, 其实就可以跑起来了。
下面我们从demo里看看 flink 的开发套路:
// 1. 获取运行环境
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 2. 配置接入数据源
Properties kafkaProps = new Properties();
kafkaProps.setProperty("bootstrap.servers", KafkaConstantProperties.KAFKA_BROKER);
kafkaProps.setProperty("group.id", CONSUMER_GROUP_ID);
FlinkKafkaConsumer010<String> myConsumer = new FlinkKafkaConsumer010<String>(
KafkaConstantProperties.FLINK_COMPUTE_TOPIC_IN1,
new SimpleStringSchema(),
kafkaProps);
DataStream<String> dataStream = env.addSource(myConsumer);
// 3. 处理数据
DataStream<Tuple4<String, String, Integer, Double>> counts = dataStream
.flatMap(new ProposalBizDataLineSplitter())
.keyBy(1)
.timeWindow(Time.of(30, TimeUnit.SECONDS))
.reduce((value1, value2) -> {
return new Tuple4<>(value1.f0, value1.f1, value1.f2 + value2.f2, value1.f3 + value2.f3);
});
// 4. 输出处理结果
counts.addSink(new FlinkKafkaProducer010<>(
KafkaConstantProperties.FLINK_DATA_SINK_TOPIC_OUT1,
new KafkaTuple4StringSchema(),
kafkaProps)
);
// 统计值多向输出
dataStream.print();
counts.print();
// 5. 正式提交运行
env.execute("Test Count from Kafka data");
其实就5个步骤，而且自己稍微想想，除了第5个步骤外，这些也都是必须的东西，再无多余了。
1. 获取运行环境
2. 配置接入数据源
3. 处理数据
4. 输出处理结果
5. 正式提交运行
所以，你觉得复杂吗？除了那些模板？（模板从来都是复制）
所以，我们可以随意使用这些框架来帮我们处理事务吗？
你还得看下公司的环境：比如 资金支持、运维支持、框架支持？
总之，入门很简单，但不要以为真简单！（保持敬畏之心）
接下来，我们来看一下关于Flink的一些架构问题:
和大多数的大数据处理框架一样，Flink也是一种 master-slave 架构;如图:
简单点说就是，flink 是一套自管理的运行环境，你只需按照flink范式编写代码，提交到集群运行即可。
Flink 抽象层级:
Flink 的重要特性:
支持高吞吐、低延迟、高性能的流处理
支持带有事件时间的窗口操作
支持有状态计算的Exactly-once语义
支持高度灵活的窗口操作，支持基于time、count、session，以及data-driven的窗口操作
支持具有Backpressure功能的持续流模型
支持基于轻量级分布式快照实现的容错
支持批流合一处理
Flink在JVM内部实现了自己的内存管理
支持迭代计算
支持程序自动优化：避免特定情况下Shuffle、排序等昂贵操作，中间结果有必要进行缓存
支持Table-API的操作
支持SQL式友好开发
重要概念解释:
Watermark: 是一种衡量Event Time进展的机制，它是数据本身的一个隐藏属性；包含: eventTime / IngestionTime / processTime
DataStream 流处理， DataSet 批处理；
Window： TumblingWindow / SlidingWindow / SessionWindow / CountWindow
Map: 一对一映射数据流，flatMap: 一对N数据流映射；
Filter: 过滤返回false的数据，keyBy: 将相同key的DataStream分配到同一分区以便进行聚合计算， reduce: 将数据合并为一个新的数据；
Sink: 输出，RichSinkFunction 实现自定义输出；基于文件的：如 writeAsText()、writeAsCsv()、writeUsingOutputFormat、FileOutputFormat。 写到socket： writeToSocket。 用于显示的：print、printToErr。 自定义Sink： addSink。connectors 用于给接入第三方数据提供接口，现在支持的connectors 包括：Apache Kafka/Apache Cassandra/Elasticsearch/Hadoop FileSystem/RabbitMQ/Apache NiFi
SnapShot:由于 Flink 的 checkpoint 是通过分布式快照实现的，接下来我们将 snapshot 和 checkpoint 这两个词交替使用。由于 Flink checkpoint 是通过分布式 snapshot 实现的，snapshot 和 checkpoint 可以互换使用。
Backpressure: 反压通常产生于这样的场景：短时负载高峰导致系统接收数据的速率远高于它处理数据的速率。许多日常问题都会导致反压，例如，垃圾回收停顿可能会导致流入的数据快速堆积，或者遇到大促或秒杀活动导致流量陡增。反压如果不能得到正确的处理，可能会导致资源耗尽甚至系统崩溃。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
