Eseményüzenetek írása az Azure Data Lake Storage Gen2-be az Apache Flink® DataStream API-val
Fontos
Ez a szolgáltatás jelenleg előzetes kiadásban elérhető. A Microsoft Azure Előzetes verzió kiegészítő használati feltételei további jogi feltételeket tartalmaznak, amelyek a bétaverzióban, előzetes verzióban vagy egyébként még nem általánosan elérhető Azure-funkciókra vonatkoznak. Erről az adott előzetes verzióról az Azure HDInsight az AKS előzetes verziójában tájékozódhat. Ha kérdése vagy funkciójavaslata van, küldjön egy kérést az AskHDInsightban a részletekkel együtt, és kövessen minket további frissítésekért az Azure HDInsight-közösségről.
Az Apache Flink fájlrendszereket használ az adatok felhasználására és tartós tárolására, mind az alkalmazások eredményei, mind a hibatűrés és a helyreállítás érdekében. Ebből a cikkből megtudhatja, hogyan írhat eseményüzeneteket az Azure Data Lake Storage Gen2-be a DataStream API-val.
Előfeltételek
- Apache Flink-fürt a HDInsighton az AKS-en
- Apache Kafka-fürt a HDInsighton
- Az MSI használata az ADLS Gen2 eléréséhez
- IntelliJ az Azure-beli virtuális gépen való fejlesztéshez a HDInsightban az AKS virtuális hálózaton
Apache Flink FileSystem-összekötő
Ez a fájlrendszer-összekötő ugyanazokat a garanciákat biztosítja a BATCH és a STREAM esetében is, és úgy lett kialakítva, hogy pontosan egyszer szemantikát biztosítson a STREAM-végrehajtáshoz. További információ: Flink DataStream Filesystem.
Apache Kafka Csatlakozás or
Az Flink egy Apache Kafka-összekötőt biztosít az adatok Kafka-témakörökből való olvasásához és a Kafka-témakörökbe való írásához pontosan egyszer. További információ: Apache Kafka Csatlakozás or.
Az Apache Flink projektjének létrehozása
pom.xml az IntelliJ IDEA-n
<properties>
<maven.compiler.source>1.8</maven.compiler.source>
<maven.compiler.target>1.8</maven.compiler.target>
<flink.version>1.17.0</flink.version>
<java.version>1.8</java.version>
<scala.binary.version>2.12</scala.binary.version>
<kafka.version>3.2.0</kafka.version>
</properties>
<dependencies>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-java</artifactId>
<version>${flink.version}</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-java -->
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-streaming-java</artifactId>
<version>${flink.version}</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.flink/flink-clients -->
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-clients</artifactId>
<version>${flink.version}</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.flink/flink-connector-files -->
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-connector-files</artifactId>
<version>${flink.version}</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-connector-kafka</artifactId>
<version>${flink.version}</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-assembly-plugin</artifactId>
<version>3.0.0</version>
<configuration>
<appendAssemblyId>false</appendAssemblyId>
<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>
</configuration>
<executions>
<execution>
<id>make-assembly</id>
<phase>package</phase>
<goals>
<goal>single</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>
Program az ADLS Gen2 fogadóhoz
abfsGen2.java
Feljegyzés
Cserélje le az Apache Kafka-t a HDInsight-fürt bootStrapServers rendszerindítási kiszolgálóira a Kafka 3.2 saját közvetítőire
package contoso.example;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.serialization.SimpleStringEncoder;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.configuration.MemorySize;
import org.apache.flink.connector.file.sink.FileSink;
import org.apache.flink.connector.kafka.source.KafkaSource;
import org.apache.flink.connector.kafka.source.enumerator.initializer.OffsetsInitializer;
import org.apache.flink.core.fs.Path;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.sink.filesystem.rollingpolicies.DefaultRollingPolicy;
import java.time.Duration;
public class KafkaSinkToGen2 {
public static void main(String[] args) throws Exception {
// 1. get stream execution env
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
Configuration flinkConfig = new Configuration();
flinkConfig.setString("classloader.resolve-order", "parent-first");
env.getConfig().setGlobalJobParameters(flinkConfig);
// 2. read kafka message as stream input, update your broker ip's
String brokers = "<update-broker-ip>:9092,<update-broker-ip>:9092,<update-broker-ip>:9092";
KafkaSource<String> source = KafkaSource.<String>builder()
.setBootstrapServers(brokers)
.setTopics("click_events")
.setGroupId("my-group")
.setStartingOffsets(OffsetsInitializer.earliest())
.setValueOnlyDeserializer(new SimpleStringSchema())
.build();
DataStream<String> stream = env.fromSource(source, WatermarkStrategy.noWatermarks(), "Kafka Source");
stream.print();
// 3. sink to gen2, update container name and storage path
String outputPath = "abfs://<container-name>@<storage-path>.dfs.core.windows.net/flink/data/click_events";
final FileSink<String> sink = FileSink
.forRowFormat(new Path(outputPath), new SimpleStringEncoder<String>("UTF-8"))
.withRollingPolicy(
DefaultRollingPolicy.builder()
.withRolloverInterval(Duration.ofMinutes(2))
.withInactivityInterval(Duration.ofMinutes(3))
.withMaxPartSize(MemorySize.ofMebiBytes(5))
.build())
.build();
stream.sinkTo(sink);
// 4. run stream
env.execute("Kafka Sink To Gen2");
}
}
Csomagolja be a jart, és küldje el az Apache Flinknek.
Töltse fel az üveget az ABFS-be.
Adja át a feladat jar-adatait a fürt létrehozásakor
AppMode
.Feljegyzés
Mindenképpen adja hozzá a classloader.resolve-order parancsot "parent-first" és hadoop.classpath.enable as
true
Válassza a Feladatnapló-összesítés lehetőséget a feladatnaplók tárfiókba való leküldéséhez.
Láthatja, hogy a feladat fut.
Streamelési adatok ellenőrzése az ADLS Gen2-ben
Az ADLS Gen2-be való streamelést látjuk click_events
.
Megadhat egy gördülő szabályzatot, amely a folyamatban lévő részfájlt az alábbi három feltétel bármelyikén görgeti:
.withRollingPolicy(
DefaultRollingPolicy.builder()
.withRolloverInterval(Duration.ofMinutes(5))
.withInactivityInterval(Duration.ofMinutes(3))
.withMaxPartSize(MemorySize.ofMebiBytes(5))
.build())
Referencia
- Apache Kafka Csatlakozás or
- Adatfolyam-fájlrendszer összekapcsolása
- Apache Flink webhely
- Az Apache, az Apache Kafka, a Kafka, az Apache Flink, a Flink és a kapcsolódó nyílt forráskód projektnevek az Apache Software Foundation (ASF) védjegyei.