【自定义Source、Sink】Flink自定义Source、Sink对ClickHouse进行读和批量写操作_flink 读取clickhouse

先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7

深知大多数程序员,想要提升技能,往往是自己摸索成长,但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年最新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,涵盖了95%以上大数据知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

如果你需要这些资料,可以添加V获取:vip204888 (备注大数据)
img

正文

    // 使用 try-with-resource 方式关闭JDBC连接 无需手动关闭
    try (ClickHouseConnection conn = clickHouseDataSource.getConnection()) {

        // clickhouse 通过游标的方式读取数据
        Statement stmt = conn.createStatement();
        ResultSet rs = stmt.executeQuery(SQL);
        while (rs.next()) {
            String name = rs.getString(1);
            output.collect(new CHTestPO(name));
        }
    }

}

@Override
public void cancel() {

}

}


## 自定义Sink


### 需额外引入依赖



    <!-- Flink-Connector-Jdbc -->
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-connector-jdbc_${scala.binary.version}</artifactId>
    </dependency>

### Java 对sql语句处理的两个对象


1. PreparedStatement对象:能够对预编译之后的sql语句进行处理【SQL 语句预编译:通过`占位符'?'`实现,可以防止sql注入】
2. Statement对象:只能对静态的sql语句进行处理


### 核心代码



/**
* 使用 Flink-jdbc-connector + 批量写入 + sql语句的预编译 写入 Clickhouse
*/
public class ClickHouseJdbcSink {

private final SinkFunction<T> sink;
private final static String NA = "null";

public ClickHouseJdbcSink(String sql, int batchSize, String url) {

    sink = JdbcSink.sink(
            sql,
            // 对sql语句进行预编译
            new ClickHouseJdbcStatementBuilder<T>(),
            // 设置批量插入数据
            new JdbcExecutionOptions.Builder().withBatchSize(batchSize).build(),
            // 设置ClickHouse连接配置
            new JdbcConnectionOptions.JdbcConnectionOptionsBuilder()
                    .withUrl(url)
                    .build()
    );

}

public SinkFunction<T> getSink() {
    return this.sink;
}

/\*\*

* 对预编译之后的sql语句进行占位符替换
*
* @param ps: PreparedStatement对象 下标从 1 开始
* @param fields: clickhouse表PO对象的属性字段
* @param object: clickhouse表PO对象的属性字段所对应的数据类型
*/
public static void setPreparedStatement(
PreparedStatement ps,
Field[] fields,
Object object) throws IllegalAccessException, SQLException {

    // 遍历 Field[]
    for (int i = 1; i <= fields.length; i++) {
        // 取出每个Field实例
        Field field = fields[i - 1];
        // 指示反射的对象在使用时应该取消 Java 语言访问检查
        field.setAccessible(true);
        // 通过Field实例的get方法返回指定的对象
        Object o = field.get(object);
        if (o == null) {
            ps.setNull(i, 0);
            continue;
        }

        // 这里统一设为字符型
        String fieldValue = o.toString();

        // 变量和常量的比较,通常将常量放前,可以避免空指针
        if (!NA.equals(fieldValue) && !"".equals(fieldValue)) {
            // 替换对应位置的占位符
            ps.setObject(i, fieldValue);
        } else {
            ps.setNull(i, 0);
        }
    }
}

}


对sql语句进行预编译



@Slf4j
public class ClickHouseJdbcStatementBuilder implements JdbcStatementBuilder {

@Override
public void accept(PreparedStatement preparedStatement, T t) throws SQLException {

    /\* \*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

* Java通过反射获取类的字段:
*
* 1. getDeclaredFields():获取所有的字段,不会获取父类的字段
* 2. getFields(): 只能会public字段,获取包含父类的字段
*
* *********************/

    Field[] fields = t.getClass().getDeclaredFields();

    // 将获取到的字段替换sql预编译之后的占位符。
    try {
        ClickHouseJdbcSink.setPreparedStatement(preparedStatement, fields, t);
    } catch (IllegalAccessException e) {
        log.error("sql 预编译失败", e);
        e.printStackTrace();
    }

}

}


## ClickHouse读写工具类


![image-20231209233006017](https://img-blog.csdnimg.cn/img_convert/e1d68bbc101293cb98757d9f94df793b.png)



public class ClickHouseUtil {

private static final String URL;

static {
    ParameterTool parameterTool = ParameterUtil.getParameters();
    URL = parameterTool.get("clickhouse.url");
}

/\*\*

* 读取clickhouse
*/
public static DataStream read(StreamExecutionEnvironment env, String sql) {
return env.addSource(new ClickHouseSource(URL, sql));
}

/\*\*

* 批量写入ClickHouse
*/
public static DataStreamSink batchWrite(
DataStream dataStream,
String sql,
int batchSize) {

    //生成 SinkFunction
    ClickHouseJdbcSink<T> clickHouseJdbcSink =
            new ClickHouseJdbcSink<T>(sql, batchSize, URL);
    return dataStream.addSink(clickHouseJdbcSink.getSink());
}

}


## 测试一下



public class ClickHouseUtilTest {

@DisplayName("测试Flink+jdbc+游标读取Clickhouse")
@Test
void testRead() throws Exception {
    StreamExecutionEnvironment env =
            StreamExecutionEnvironment.getExecutionEnvironment();

    // 设置并行度1
    env.setParallelism(1);

    // 从default数据库的user表中读取数据
    String sql = "select \* from default.user";
    DataStream<CHTestPO> ds = ClickHouseUtil.read(env, sql);

    // 打印数据流中的元素
    ds.print("clickhouse");

    // 执行程序
    env.execute();

}

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
img

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**

需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
[外链图片转存中…(img-eeKbiy8k-1713363256390)]

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

  • 28
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Flink自定义SinkSource是指用户可以根据自己的需求,编自己的数据源和数据输出方式。Flink提供了一些内置的SinkSource,但是有时候用户需要根据自己的业务需求,自定义数据源和数据输出方式。 自定义SinkSource需要实现Flink提供的接口,例如实现SinkFunction接口来自定义数据输出方式,实现SourceFunction接口来自定义数据源。用户可以根据自己的需求,实现这些接口,然后将自定义SinkSource应用到Flink程序中。 自定义SinkSource可以帮助用户更好地满足自己的业务需求,提高数据处理的效率和准确性。 ### 回答2: Flink自定义SinkSource方便开发人员根据特定业务需求定制化的数据输入和输出。这也是Flink作为DataStream处理引擎的一个强大特性。 自定义Sink的主要作用是将Flink处理的数据流输出到外部存储或处理系统中,如Kafka、Hadoop、Elasticsearch、MySQL等。通过自定义Sink,我们可以满足不同业务场景下,数据输出的不同需求。 自定义Sink的实现需要继承Flink提供的`RichSinkFunction`或者`SinkFunction`抽象类,并实现其抽象方法。`RichSinkFunction`中提供了一些状态管理的方法,如`open`、`close`等,我们可以在这些方法中添加额外的代码逻辑。自定义SinkFunction可以重invoke方法,将不需要状态管理的代码集中在此方法中。 自定义Source的主要作用是将外部数据源中的数据读取并发送给Flink的DataStream处理模块。自定义Source可以读取各种类型的数据源,如Kafka、文件、Socket等。 自定义Source的实现需要继承Flink提供的`RichParallelSourceFunction`或者`SourceFunction`抽象类,并实现其抽象方法。`RichParallelSourceFunction`中支持在并行算子中运行,因此对于大规模数据的处理尤为适合。 在自定义Source中,需要实现一个`run`方法和一个`cancel`方法。`run`方法中是数据源处理逻辑的主要实现,`cancel`方法用于停止数据源的读取。我们还可以通过Flink提供的Checkpoint机制来管理数据源。 总之,自定义SinkSourceFlink处理数据流的重要特性,使得开发人员可以根据业务需求灵活定制化的输入输出逻辑。 ### 回答3: Flink是一个开源流式处理框架,它提供了丰富的内置SinkSource,同时也支持用户自定义SinkSource,以便满足不同的业务需求。 自定义Sink可以用于将流式数据入外部系统中,比如数据库、消息队列和文件系统等。Flink提供了一个简单的接口SinkFunction,通过实现该接口可以快速开发自己的SinkSinkFunction接口定义了一个抽象方法invoke(),该方法是在每个输入元素处理完成时被调用。开发者需要编自己的业务逻辑,在invoke()中实现将数据入目标系统的逻辑。 自定义Source可以用于从外部系统读取数据,并将其逐个交付给Flink程序进行处理。同样地,Flink也提供了一个简单的接口SourceFunction,通过实现该接口可以快速开发自己的SourceSourceFunction接口定义了两个抽象方法:run()和cancel()。run()方法是在源自生命周期内调用的,它是源自执行主逻辑的地方。cancel()方法是用于清理资源的。开发者需要在run()方法中编从外部系统读取数据的逻辑,并且能够异步地产生数据,最后将数据通过SourceContext将数据一条一条源源不断地输出。 自定义SinkSourceFlink框架中非常常用的一个扩展方式,它可以满足用户自定义的需求,在具体的业务场景中,能够灵活的使用自定义SinkSource对数据的处理进行个性化的定制化。同时,自定义SinkSource的开发也相对简单,可以通过实现简单的接口,快速完成自定义SinkSource的开发。
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