Flink证券项目(四) 高性能数据传输中间件

1.1. 高性能数据传输中间件

在企业级大数据流处理项目中，往往在项目数据源处需要面临实时海量数据的采集。采集数据的性能一般与网络带宽、机器硬件、数据量等因素有直接关系；当其他因素是固定的，这里我们只考虑数据量的话，那么数据量的传输和存储性能是我们首先需要面对和解决的。

由此我们引入了Avro数据序列化框架，来解决数据的传输性能问题。

1.1.1. Apache Avro介绍

Apache Avro（以下简称 Avro）是一个数据序列化系统，是一种与编程语言无关的序列化格式，是提供一种共享数据文件的方式。Avro是Hadoop中的一个子项目，Avro是一个基于二进制数据传输高性能的中间件。Avro可以做到将数据进行序列化，适用于远程或本地大批量数据交互。在传输的过程中Avro对数据二进制序列化后节约数据存储空间和网络传输带宽。

序列化就是将对象转换成二进制流，相应的反序列化就是将二进制流再转换成对应的对象。因此，Avro就是用来在传输数据之前，将对象转换成二进制流，然后此二进制流达到目标地址后，Avro再将二进制流转换成对象。

Avro特点：

·1.丰富的数据结构

·2.一个紧凑的，快速的，二进制的数据格式

·3.一个容器文件，来存储持久化数据

·4.远程过程调用（RPC）

·5.简单的动态语言集成。

·6.Avro模式是使用JSON定义的 。这有助于以已经具有JSON库的语言实现。

JSON是一种轻量级的数据传输格式，对于大数据集，JSON数据会显示力不从心，因为JSON的格式是key：value型，每条记录都要附上key的名字，有的时候，光key消耗的空间甚至会超过value所占空间，这对空间的浪费十分严重，尤其是对大型数据集来说，因为它不仅不够紧凑，还要重复地加上key信息，不仅会造成存储空间上的浪费，更会增加了数据传输的压力，从而给集群增加负担，进而影响整个集群的吞吐量。而采用Avro数据序列化系统可以比较好的解决此问题，因为用Avro序列化后的文件由schema和真实内容组成，schema只是数据的元数据，相当于JSON数据的key信息，schema单独存放在一个JSON文件中，这样一来，数据的元数据只存了一次，相比JSON数据格式的文件，大大缩小了存储容量。从而使得Avro文件可以更加紧凑地组织数据。

官网地址：http://avro.apache.org/docs/current/gettingstartedjava.html

1.1.2. Avro文件规范

AVRO的Schema是用JSON的格式表示的，Schema可以用

JSON String 来命名一个定义的类型

JSON 对象，形式如：

引用

{“namespace”: “cn.itcast.demo”, “type”: “record”, “name”: “User”, “fields”: [ {“name”: “name”, “type”: “string”}, {“name”: “age”, “type”: [“int”, “null”]}, {“name”: “address”, “type”: [“string”, “null”]} ]}

1.1.2.1. 原生类型

原生类型如下所示：

null: 表示没有值

boolean: 表示一个二进制布尔值

int: 表示32位有符号整数

long: 表示64位有符号整数

float: 表示32位的单精度浮点数

double: 表示64位双精度浮点数

bytes: 表示8位的无符号字节序列

string: Unicode 编码的字符序列

总共就这8种原生数据类型，这些原生数据类型均没有明确的属性。

1.1.2.2. 复杂类型

AVRO支持6种复杂类型，分别是：records, enums, arrays, maps, unions，fixed，这里我门着重讲解Recoeds类型。

1.Records

Records使用类型名称“record”，并且支持三个必选属性。

type: 必有属性。

name: 必有属性，是一个JSON string，提供了记录的名字。

namespace，也是一个JSON string，用来限定和修饰name属性。

doc: 可选属性，是一个JSON string，为使用这个Schema的用户提供文档。

aliases: 可选属性，是JSON的一个string数组，为这条记录提供别名。

fields: 必选属性，是一个JSON数组，数组中列举了所有的field。

每一个field都是一个JSON对象，并且具有如下属性：

（1）name: 必选属性，field的名字，是一个JSON string。例如：

“fields”: [

{“name”: “name”, “type”: “string”},

{“name”: “age”, “type”: [“int”, “null”]},

{“name”: “address”, “type”: [“string”, “null”]}

]

（2）doc: 可选属性，为使用此Schema的用户提供了描述此field的文档。

（3）type: 必选属性，定义Schema的一个JSON对象，或者是命名一条记录定义的JSON string。

（4）default: 可选属性，即field的默认值，当读到缺少这个field的实例时用到。默认值的允许的范围由这个field的Schama的类型决定。

order: 可选属性，指定这个field如何影响record的排序。有效的可选值为“ascending”(默认),“descending"和"ignore”

alias: JSON的string数组，为这个field提供别名。

1.1.3. 快速入门案例

1.1.3.1. 新建工程

使用Idea新建quot父工程,再创建子工程avro。

图一：

图二：

1.1.3.2. 添加依赖

在pom中导入下面的依赖包

<dependencies>
    <dependency>
        <groupId>org.apache.avro</groupId>
        <artifactId>avro</artifactId>
        <version>1.8.1</version>
    </dependency>
</dependencies>

<build>
    <plugins>
        <!--maven编译插件-->
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-compiler-plugin</artifactId>
            <configuration>
                <source>1.8</source>
                <target>1.8</target>
            </configuration>
        </plugin>
        <!--Avro编译插件-->
        <plugin>
            <groupId>org.apache.avro</groupId>
            <artifactId>avro-maven-plugin</artifactId>
            <version>1.8.1</version>
            <executions>
                <execution>
                    <phase>generate-sources</phase>
                    <goals>
                        <goal>schema</goal>
                    </goals>
                    <configuration>
                        <!--Avro源文件-->
                        <sourceDirectory>${project.basedir}/src/main/avro/</sourceDirectory>
                        <!--Avro编译生成文件-->
                        <outputDirectory>${project.basedir}/src/main/java/</outputDirectory>
                    </configuration>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

1.1.3.3. 定义schema

使用JSON为Avro定义schema。schema由基本类型（null,boolean, int, long, float, double, bytes 和string）和复杂类型（record, enum, array, map, union, 和fixed）组成。

定义一个user的schema，开发步骤：

1.新建文件夹目录src/main/avro和/src/main/java

2.在avro目录下新建文件 user.avsc :

{“namespace”: “cn.itcast.avro”, “type”: “record”, “name”: “User”, “fields”: [ {“name”: “name”, “type”: “string”}, {“name”: “age”, “type”: [“int”, “null”]}, {“name”: “address”, “type”: [“string”, “null”]} ]}

1.1.3.4. maven编译

第一种方式：

编译之后，会在工程目录下生成users.avro文件

第二种方式：

在资料目录“第1章\4.资料\avro\jars”，打开cmd，输入下面命令，也可以获取编译的avro文件。

java -jar avro-tools-1.8.1.jar compile schema user.avsc ./

注意：需要avro编译工具包：avro-tools-1.8.1.jar

avro-tools-1.8.1.jar包下载地址：http://archive.apache.org/dist/avro/