Flink CDC2,20天内看完这套GitHub标星18k+的大数据开发资料

println(dataBaseList, tableList)
val debeziumProps = new Properties()
debeziumProps.setProperty(“debezium.snapshot.mode”,“never”)
val mysqlSource = MySqlSource.builderString
.hostname(sourceFormat.getString(“sourceHost”))
.port(sourceFormat.getIntValue(“sourcePort”))
.databaseList(dataBaseList)
//^((?!lb_admin_log|lb_bugs).)*$
// lb_admin_log、lb_bugs为不需要同步表
.tableList(props.regular_expression)
.username(sourceFormat.getString(“sourceUsername”))
.password(sourceFormat.getString(“sourcePassword”))
.debeziumProperties(debeziumProps)
// 全量读取
.startupOptions(StartupOptions.initial())
.includeSchemaChanges(true)
// 发现新表,加入同步任务,需要在tableList中配置
.scanNewlyAddedTableEnabled(true)
.deserializer(new JsonDebeziumDeserializationSchema(false, customConverterConfigs)).build()

val streamSource: DataStream[JSONObject] = env.fromSource(mysqlSource, WatermarkStrategy.noWatermarks(), “MySQL Source”)
.map(line => JSON.parseObject(line)).setParallelism(4)

val DDLSqlStream: DataStream[JSONObject] = streamSource.filter(line => !line.containsKey(“op”)).uid(“ddlSqlStream”)
val DMLStream: DataStream[JSONObject] = streamSource.filter(line => line.containsKey(“op”)).uid(“dmlStream”)
/**

  • 首次全量同步时 时间窗口内几乎为一个表数据,此时下面操作会数据倾斜
  • 在binLogETLOne 中对表加随机数后缀 使其均匀分布
  • 聚合操作之后再将tableName转换为实际表
    */
    val DMLDataStream = FlinkCDCSyncETL.binLogETLOne(DMLStream)
    val keyByDMLDataStream:DataStream[(String, String, String, JSONArray)] = DMLDataStream.keyBy(keys => (keys._1, keys._2, keys._3))
    .timeWindow(Time.milliseconds(props.window_time_milliseconds))
    .reduce((itemFirst, itemSecond) => (itemFirst._1, itemFirst._2, itemFirst._3,combineJsonArray(itemFirst._4,itemSecond._4)))
    .map(line=>(line._1,line._2,line._3.split(“-”)(0),line._4))
    .name(“分组聚合”).uid(“keyBy”)

keyByDMLDataStream.addSink(new SinkDoris(dorisStreamLoad)).name(“数据写入Doris”).uid(“SinkDoris”).setParallelism(4)

val DDLKafkaSink=getKafkaSink(“schema_change”)
DDLSqlStream.map(jsObj => jsObj.toJSONString()).sinkTo(DDLKafkaSink).name(“同步DDL入Kafka”).uid(“SinkDDLKafka”)

val kafkaSink=getKafkaSink(syncTopic)
keyByDMLDataStream.map(line=>(line._2,line.3,1)).filter(!._2.endsWith(“_sql”))
.keyBy(keys => (keys._1, keys._2))
.window(TumblingProcessingTimeWindows.of(Time.seconds(1))).sum(2)
.map(line =>{
val json = new JSONObject()
json.put(“member_id”, line._1)
json.put(“table”, line._2)
json.toJSONString()
}).sinkTo(kafkaSink).name(“同步数据库表入Kafka”).uid(“syncDataTableToKafka”)

env.execute(jobName)

}

def combineJsonArray(jsr1:JSONArray,jsr2:JSONArray): JSONArray ={
jsr1.addAll(jsr2)
jsr1
}

}

2.FlinkCDCSyncETL.scala

package com.zbkj.util

import com.alibaba.fastjson2.{JSON, JSONArray, JSONObject}
import org.apache.flink.api.scala.createTypeInformation
import org.apache.flink.streaming.api.scala.DataStream

import java.util.Random

object FlinkCDCSyncETL {

def binLogETLOne(dataStreamSource: DataStream[JSONObject]): DataStream[(String, String, String, JSONArray)] = {
/**

  • 根据不同日志类型 匹配load doris方式
    */
    val tupleData: DataStream[(String, String, String, JSONArray)] = dataStreamSource.map(line => {
    var data: JSONObject = new JSONObject()
    var jsr: JSONArray = new JSONArray()
    var mergeType = “APPEND”
    val source = line.getJSONObject(“source”)
    val db = source.getString(“db”)
    val table = source.getString(“table”)
    val op=line.getString(“op”)
    if (“d” == op) {
    data = line.getJSONObject(“before”)
    mergeType = “DELETE”
    } else if (“u” == op) {
    data = line.getJSONObject(“after”)
    mergeType = “APPEND”
    } else if (“c” == op) {
    data = line.getJSONObject(“after”)
    } else if (“r” == op) {
    data = line.getJSONObject(“after”)
    mergeType = “APPEND”
    }
    jsr.add(data)
    Tuple4(mergeType, db, table+ “-” + new Random().nextInt(4), jsr)
    })
    tupleData
    }

}

3.DorisStreamLoad2.scala

package com.zbkj.util

import org.apache.doris.flink.exception.StreamLoadException
import org.apache.doris.flink.sink.HttpPutBuilder
import org.apache.http.client.methods.CloseableHttpResponse
import org.apache.http.entity.StringEntity
import org.apache.http.impl.client.{DefaultRedirectStrategy, HttpClientBuilder, HttpClients}
import org.apache.http.util.EntityUtils
import org.slf4j.{Logger, LoggerFactory}

import java.util.{Properties, UUID}

class DorisStreamLoad2(props: PropertiesUtil) extends Serializable {
private val logger: Logger = LoggerFactory.getLogger(classOf[DorisStreamLoad2])

private lazy val httpClientBuilder: HttpClientBuilder = HttpClients.custom.setRedirectStrategy(new DefaultRedirectStrategy() {
override protected def isRedirectable(method: String): Boolean = {
// If the connection target is FE, you need to deal with 307 redirect。
true
}
})

def loadJson(jsonData: String, mergeType: String, db: String, table: String): Unit = try {
val loadUrlPattern = “http://%s/api/%s/%s/_stream_load?”
val entity = new StringEntity(jsonData, “UTF-8”)
val streamLoadProp = new Properties()
streamLoadProp.setProperty(“merge_type”, mergeType)
streamLoadProp.setProperty(“format”, “json”)
streamLoadProp.setProperty(“column_separator”, “,”)
streamLoadProp.setProperty(“line_delimiter”, “,”)
streamLoadProp.setProperty(“strip_outer_array”, “true”)
streamLoadProp.setProperty(“exec_mem_limit”, “6442450944”)
streamLoadProp.setProperty(“strict_mode”, “true”)
val httpClient = httpClientBuilder.build
val loadUrlStr = String.format(loadUrlPattern, props.doris_load_host, db, table)
try {
val builder = new HttpPutBuilder()
val label = UUID.randomUUID.toString
builder.setUrl(loadUrlStr)
.baseAuth(props.doris_user, props.doris_password)
.addCommonHeader()
.setLabel(label)
.setEntity(entity)
.addProperties(streamLoadProp)
handlePreCommitResponse(httpClient.execute(builder.build()))
}

def handlePreCommitResponse(response: CloseableHttpResponse): Unit = {
val statusCode: Int = response.getStatusLine.getStatusCode
if (statusCode == 200 && response.getEntity != null) {
val loadResult: String = EntityUtils.toString(response.getEntity)
logger.info(“load Result {}”, loadResult)
} else {
throw new StreamLoadException("stream load error: " + response.getStatusLine.toString)
}

}

}
}

4.SinkDoris.scala

自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数大数据工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!

因此收集整理了一份《2024年大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
img
img
img
img
img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上大数据开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)
img

的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上大数据开发知识点,真正体系化!**

由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)
[外链图片转存中…(img-HnhuWNzt-1712517044421)]

  • 27
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Flink和ClickHouse是目前流行的企业级实时大数据开发工具。Flink是一个分布式流处理器,它可以提供超低延迟和高吞吐量的实时数据处理能力。ClickHouse则是一个高性能的列式数据库管理系统,适用于大规模数据存储和分析。 借助Flink,可以轻松构建实时数据管道,从不同的数据源获取数据,并进行流式处理和分析。Flink提供了丰富的算子库,使得开发者能够快速构建复杂的实时处理逻辑。同时,Flink还支持Exactly-Once语义,确保数据的精准一次性处理。在处理数据后,Flink可以将结果发送到ClickHouse进行持久化存储和查询。 ClickHouse是一个高效的数据存储和分析解决方案。它基于列式存储方式,可以有效地处理数十亿条数据。ClickHouse支持常见的SQL查询语句,可以进行快速的数据分析和多维度的聚合查询。ClickHouse还支持水平扩展,可以轻松应对大规模数据的存储和查询需求。 结合使用Flink和ClickHouse,可以构建实时大数据分析平台。首先,Flink可以通过连接不同的数据源(如Kafka、Hadoop等)获取数据,并进行实时处理和数据转换。然后,处理后的数据可以通过Flink的连接器(如ClickHouse连接器)发送到ClickHouse进行存储和查询。这种集成方案能够实现低延迟的数据处理和高效的数据存储,帮助企业实时获得有价值的洞察力。 对于企业级实时大数据开发者而言,掌握Flink和ClickHouse的使用和调优技巧非常重要。可以通过阅读相关文档和教程,加入相关的技术社区(如CSDN)以获取帮助和分享经验。还可以通过参与实际项目,结合实践经验来提升技术水平。总之,利用Flink和ClickHouse,企业可以更好地实现实时大数据处理和分析需求,提升数据驱动的决策能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值