实时即未来，车联网项目之原始终端数据实时ETL【二】

@[toc]

Flink 将报文解析后的数据推送到 kafka 中

• 步骤

  1. 开启 kafka 集群

     # 三台节点都要开启 kafka 
     [root@node01 kafka]# bin/kafka-server-start.sh -daemon config/server.properties
     

  2. 使用 kafka tool 连接 kafka 集群，创建 topic

     # 第1种方式通过命令
     bin/kafka-topics.sh --create --zookeeper node01:2181,node02:2181,node03:2181 --topic vehicledata --replication-factor 2 --partitions 3
     # 查看 kafka topic 的列表
     bin/kafka-topics.sh --zookeeper node01:2181,node02:2181,node03:2181 --list
     # 第2种 kafka tool 工具
     

3. 通过 flink 将解析后的报文 json 字符串推送到 kafka 中

   package cn.maynor.flink.source;
   
   import org.apache.flink.streaming.api.datastream.DataStreamSource;
   import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
   import org.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer;
   import org.apache.flink.streaming.connectors.kafka.KafkaSerializationSchema;
   import org.apache.kafka.clients.producer.ProducerConfig;
   import org.apache.kafka.clients.producer.ProducerRecord;
   
   import javax.annotation.Nullable;
   import java.util.Properties;
   
   /**
    * Author maynor
    * Date 2021/9/20 9:11
    * 实现flink将数据写入到kafka集群中
    * 开发步骤：
    * 1.开启流处理环境
    * 2.设置并行度、chk、重启策略等参数
    * 3.创建FlinkKafkaProducer类
    * 3.1.配置属性
    * 4.设置数据源
    * 5.执行流处理环境
    */
   public class FlinkKafkaWriter {
       public static void main(String[] args) {
           //1.开启流处理环境
           StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
           //2.设置并行度、chk、重启策略等参数
           env.setParallelism(1);
           //2.1.读取车辆 json 数据
           DataStreamSource<String> source = env
                   .readTextFile("F:\\1.授课视频\\4-车联网项目\\05_深圳24期\\全部讲义\\2-星途车联网系统第二章-原始终端数据实时ETL\\原始数据\\sourcedata.txt");
           //3.创建FlinkKafkaProducer类
           //3.1.配置属性
           Properties props = new Properties();
           props.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "node01:9092,node02:9092,node03:9092");
           props.setProperty(ProducerConfig.BATCH_SIZE_CONFIG, "5");
           props.setProperty(ProducerConfig.ACKS_CONFIG, "0");
           //props.setProperty(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.flink.api.common.serialization.SimpleStringSchema");
   
           //3.2.实例化FlinkKafkaProducer
           FlinkKafkaProducer<String> producer = new FlinkKafkaProducer<>(
                   "vehicledata",
                   new KafkaSerializationSchema<String>() {
                       @Override
                       public ProducerRecord<byte[], byte[]> serialize(String element, @Nullable Long timestamp) {
                           return new ProducerRecord(
                                   "vehicledata",
                                   element.getBytes()
                           );
                       }
                   },
                   props,
                   FlinkKafkaProducer.Semantic.NONE
           );
   
           //4.设置数据源
           source.addSink(producer);
           //5.执行流处理环境
           try {
               env.execute();
           } catch (Exception e) {
               e.printStackTrace();
           }
       }
   }
   

实时ETL开发

• 创建模块 —— StreamingAnalysis
• 导入项目的 pom 依赖
• 常见包的含义 task ， source ，sink ，entity
• 配置文件的导入 conf.properties 和 logback.xml
• 工具类的走读
  • 日期处理
  • 读取配置文件 静态代码块
  • 字符串常用工具 - 字符串翻转
  • JSON 字符串转对象

原始数据的实时ETL设置

开发的流程

开发的类名 —— KafkaSourceDataTask

		//todo 1.创建流执行环境
        //todo 2.设置并行度 ①配置文件并行度设置 ②客户端设置 flink run -p 2 ③在程序中 env.setParallel(2) ④算子上并行度（级别最高）
        //todo 3.开启checkpoint及相应的配置，最大容忍次数，最大并行checkpoint个数，checkpoint间最短间隔时间，checkpoint的最大
        //todo 容忍的超时时间，checkpoint如果取消是否删除checkpoint 等
        //todo 4.开启重启策略
        //todo 5. 读取kafka中的数据
        //todo 5.1 设置 FlinkKafkaConsumer
        //todo 5.2 配置参数
        //todo 5.3 消费 kafka 的offset 提交给 flink 来管理
        //todo 6 env.addSource
        //todo 7 打印输出
        //todo 8 将读取出来的 json 字符串转换成 maynorDataObj
        //todo 9 将数据拆分成正确的数据和异常的数据
        //todo 10 将正确的数据保存到 hdfs
        //todo 11 将错误的数据保存到 hdfs 上
        //todo 12 将正确的数据写入到 hbase 中
        //todo 8 执行流环境

设置 checkpoint 中 statebackend

• 配置的地方有两种

  1. 配置文件中 flink-conf.yaml
  2. 在 job 中配置 env.setStateBackend()

• 配置的方式三种

  1. memorystatebackend
  2. fsStatebackend
  3. rocksdbStatebackend（状态特别大的使用）

• 配置读取kafka的数据的设置

数据积压和反压机制

• 就是生产的数据大于消费的数据的速度，造成数据的积压

• 解决反压机制的方法

  

  通过 credit 和 反压策略解决数据堆积问题

  

抽象 BaseTask 用于处理数据流和读取kafka数据

• 将公共的固定的代码抽象出来 BaseTask 抽象类
• 使用 Flink 的自带的 ParameterTool 来接收 client 或 配置文件中的配置