快速入门流处理框架Flink --实时报表场景的应用

小咪咪 2023-08-17 16:22 111阅读 0赞

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>
    
        
        <dependency>
          <groupId>org.apache.flink</groupId>
          <artifactId>flink-connector-kafka-0.10_2.11</artifactId>
          <version>1.3.2</version>
          <scope>compile</scope>
        </dependency>
    
        
        <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>
    
        
        <dependency>
          <groupId>org.apache.flink</groupId>
          <artifactId>flink-streaming-java_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>
              
              <descriptorRefs>
                <descriptorRef>jar-with-dependencies</descriptorRef>
              </descriptorRefs>
              
              <archive>
                <manifest>
                  <mainClass>com.my.flink.kafka.consumer.ConsumeKafkaByJava</mainClass>
                </manifest>
              </archive>
    
            </configuration>
            <executions>
              <execution>
                <id>make-assembly</id>
                
                <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:

![830731-20190818105212429-1857855990.png][]

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:

![830731-20190818105456203-27753210.png][]

![830731-20190818105508166-702032463.png][]

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。

唠叨: 方向。

转载于:https://www.cnblogs.com/yougewe/p/11371676.html

[830731-20190818105212429-1857855990.png]: /images/20230810/31212201906b4bdb95dece2bfa194239.png
[830731-20190818105456203-27753210.png]: /images/20230810/94a3168748e746f1af09b2009c26754c.png
[830731-20190818105508166-702032463.png]: /images/20230810/255d02805b86471fb365101af74188c0.png