Megosztás a következőn keresztül:

Az Apache Kafka® használata a HDInsighton a HDInsighton futó Apache Flinkdel® az AKS-en

  • Cikk

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 jól ismert használati esete a streamelemzés. Sok felhasználó népszerű választása az Apache Kafka használatával betöltött adatfolyamok használatára. Az Flink és a Kafka tipikus telepítései az eseménystreamek Kafkába való leküldésével kezdődnek, amelyeket a Flink-feladatok felhasználhatnak.

Ez a példa a HDInsightot használja az Flink 1.17.0-t futtató AKS-fürtökön a streamelési adatok feldolgozásához és a Kafka-témakör előállításához.

Feljegyzés

A FlinkKafkaConsumer elavult, és az Flink 1.17-gyel lesz eltávolítva, használja helyette a KafkaSource-t. A FlinkKafkaProducer elavult, és az Flink 1.15-ös verzióval lesz eltávolítva, használja helyette a KafkaSinket.

Előfeltételek

  • A Kafkának és az Flinknek ugyanabban a virtuális hálózatban kell lennie, vagy virtuális hálózatok közötti társviszony-létesítésnek kell lennie a két fürt között.

  • Virtuális hálózat létrehozása.

  • Hozzon létre egy Kafka-fürtöt ugyanabban a virtuális hálózatban. A HDInsighton a Kafka 3.2-t vagy a 2.4-et az aktuális használat alapján választhatja ki.

    Képernyőkép arról, hogyan hozhat létre Kafka-fürtöt ugyanabban a virtuális hálózatban.

  • Adja hozzá a virtuális hálózat részleteit a virtuális hálózat szakaszához.

  • Hozzon létre egy HDInsightot az AKS-fürtkészleten ugyanazzal a virtuális hálózattal.

  • Hozzon létre egy Flink-fürtöt a létrehozott fürtkészlethez.

Apache Kafka Csatlakozás or

Az Flink egy Apache Kafka Csatlakozás ort biztosít, amely pontosan egyszer garantálja az adatok Kafka-témakörökből való olvasását és írását.

Maven-függőség

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-connector-kafka</artifactId>
            <version>1.17.0</version>
        </dependency>

Kafka Fogadó létrehozása

A Kafka-fogadó egy építőosztályt biztosít egy KafkaSink-példány létrehozásához. Ugyanezt használjuk a Fogadó felépítéséhez és használatához a HDInsighton futó Flink-fürttel együtt az AKS-en

SinKafkaToKafka.java

import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.connector.base.DeliveryGuarantee;

import org.apache.flink.connector.kafka.sink.KafkaRecordSerializationSchema;
import org.apache.flink.connector.kafka.sink.KafkaSink;
import org.apache.flink.connector.kafka.source.KafkaSource;
import org.apache.flink.connector.kafka.source.enumerator.initializer.OffsetsInitializer;

import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

public class SinKafkaToKafka {
    public static void main(String[] args) throws Exception {
        // 1. get stream execution environment
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        // 2. read kafka message as stream input, update your broker IPs below
        String brokers = "X.X.X.X:9092,X.X.X.X:9092,X.X.X.X:9092";
        KafkaSource<String> source = KafkaSource.<String>builder()
                .setBootstrapServers(brokers)
                .setTopics("clicks")
                .setGroupId("my-group")
                .setStartingOffsets(OffsetsInitializer.earliest())
                .setValueOnlyDeserializer(new SimpleStringSchema())
                .build();

        DataStream<String> stream = env.fromSource(source, WatermarkStrategy.noWatermarks(), "Kafka Source");
        
        // 3. transformation: 
        // https://www.taobao.com,1000 ---> 
        // Event{user: "Tim",url: "https://www.taobao.com",timestamp: 1970-01-01 00:00:01.0}
        SingleOutputStreamOperator<String> result = stream.map(new MapFunction<String, String>() {
            @Override
            public String map(String value) throws Exception {
                String[] fields = value.split(",");
                return new Event(fields[0].trim(), fields[1].trim(), Long.valueOf(fields[2].trim())).toString();
            }
        });

        // 4. sink click into another kafka events topic
        KafkaSink<String> sink = KafkaSink.<String>builder()
                .setBootstrapServers(brokers)
                .setProperty("transaction.timeout.ms","900000")
                .setRecordSerializer(KafkaRecordSerializationSchema.builder()
                        .setTopic("events")
                        .setValueSerializationSchema(new SimpleStringSchema())
                        .build())
                .setDeliveryGuarantee(DeliveryGuarantee.EXACTLY_ONCE)
                .build();

        result.sinkTo(sink);

       // 5. execute the stream
        env.execute("kafka Sink to other topic");
    }
}

Java-program írása Event.java

import java.sql.Timestamp;

public class Event {

    public String user;
    public String url;
    public Long timestamp;

    public Event() {
    }

    public Event(String user,String url,Long timestamp) {
        this.user = user;
        this.url = url;
        this.timestamp = timestamp;
    }

    @Override
    public String toString(){
        return "Event{" +
                "user: \"" + user + "\""  +
                ",url: \"" + url + "\""  +
                ",timestamp: " + new Timestamp(timestamp) +
                "}";
    }
}

Webssh-en töltse fel az üveget, és küldje el a jart

Képernyőkép a Flinken futó feladatról.

A Flink Irányítópult felhasználói felületén

Képernyőkép a Kafka-témakör csomagolt jar feladatként való elküldéséről az Flinknek.

A témakör készítése – kattintások a Kafkára

Képernyőkép a Kafka-témakör készítéséről.

A témakör felhasználása – kafkai események

Képernyőkép a Kafka-témakör használatáról.

Referencia