Flink1.14.3 Table API读取HDFS

1 需求

需求:Flink Table API从HDFS分布式文件系统读取JSON⽂件。

2 添加Maven依赖

Flink使⽤JSON和HDFS引⼊如下依赖:

#引入json格式依赖

<dependency>

 <groupId>org.apache.flink</groupId>

 <artifactId>flink-json</artifactId>

 <version>${flink.version}</version>

</dependency>

#引入日志依赖,进行代码调试

<dependency>

  <groupId>org.slf4j</groupId>

  <artifactId>slf4j-simple</artifactId>

  <version>1.7.15</version>

</dependency>

#引入flink与hadoop兼容性依赖

<dependency>

  <groupId>org.apache.flink</groupId>

  <artifactId>flink-hadoop-compatibility_2.11</artifactId>

  <version>${flink.version}</version>

</dependency>

#引入Hadoop依赖

<dependency>

  <groupId>org.apache.hadoop</groupId>

  <artifactId>hadoop-client</artifactId>

  <version>${hadoop.version}</version>

#排查冲突jar包

  <exclusions>

<exclusion>

  <groupId>org.apache.commons</groupId>

  <artifactId>commons-math3</artifactId>

</exclusion>

<exclusion>

  <groupId>org.apache.commons</groupId>

  <artifactId>commons-compress</artifactId>

</exclusion>

  </exclusions>

</dependency>

3 代码实现

package com.bigdata.chap02;

import org.apache.flink.table.api.*;

import static org.apache.flink.table.api.Expressions.$;

/**

*@author-yangjun

*@contact-wei xin:john_1125

*/

public class FlinkTableAPIFromHDFS {

public static void main(String[] args) {

//1、创建TableEnvironment

EnvironmentSettings settings = EnvironmentSettings

.newInstance()

.build();

TableEnvironment tEnv = TableEnvironment.create(settings);

//2、创建source table

final Schema schema = Schema.newBuilder()

.column("user", DataTypes.STRING())

.column("url", DataTypes.STRING())

.column("cTime", DataTypes.STRING())

.build();

tEnv.createTemporaryTable("sourceTable", TableDescriptor.forConnector("filesystem")

.schema(schema)

.format("json")

.option("path","hdfs://mycluster/data/clicklog/input/click.log")

.build());

//3、创建sink table

tEnv.createTemporaryTable("sinkTable", TableDescriptor.forConnector("print")

.schema(schema)

.build());

//5、输出(包括执行,不需要单独在调用tEnv.execute("job"))

tEnv.from("sourceTable")

.select($("user"), $("url"),$("cTime"))

.executeInsert("sinkTable");

}

}

4 配置Hadoop环境变量

在Windows本地配置Hadoop环境变量,同时Windows下的Hadoop安装目录中需要包含HDFS集群配置文件hdfs-site.xml和core-site.xml。否则代码无法识别路径hdfs://mycluster。

5 添加log4j文件

在项目的src/main/目录下,创建resources目录并标记为Mark Directory as—>Resources Root,然后将log4j.properties文件拷贝到resources目录中,log4j.properties具体内容如下所示。

log4j.rootLogger=error,CONSOLE,info

log4j.appender.CONSOLE=org.apache.log4j.ConsoleAppender     

log4j.appender.CONSOLE.layout=org.apache.log4j.PatternLayout     

log4j.appender.CONSOLE.layout.ConversionPattern=%d{yyyy-MM-dd-HH-mm} [%t] [%c] [%p] - %m%n    

log4j.logger.info=info

log4j.appender.info=org.apache.log4j.DailyRollingFileAppender

log4j.appender.info.layout=org.apache.log4j.PatternLayout     

log4j.appender.info.layout.ConversionPattern=%d{yyyy-MM-dd-HH-mm} [%t] [%c] [%p] - %m%n  

log4j.appender.info.datePattern='.'yyyy-MM-dd

log4j.appender.info.Threshold = info   

log4j.appender.info.append=true

log4j.appender.info.File=G:/tmp/log/info.log

log4j.logger.error=error  

log4j.appender.error=org.apache.log4j.DailyRollingFileAppender

log4j.appender.error.layout=org.apache.log4j.PatternLayout     

log4j.appender.error.layout.ConversionPattern=%d{yyyy-MM-dd-HH-mm} [%t] [%c] [%p] - %m%n  

log4j.appender.error.datePattern='.'yyyy-MM-dd

log4j.appender.error.Threshold = error   

log4j.appender.error.append=true

log4j.appender.error.File=G:/tmp/log/error.log

log4j.logger.DEBUG=DEBUG

log4j.appender.DEBUG=org.apache.log4j.DailyRollingFileAppender

log4j.appender.DEBUG.layout=org.apache.log4j.PatternLayout     

log4j.appender.DEBUG.layout.ConversionPattern=%d{yyyy-MM-dd-HH-mm} [%t] [%c] [%p] - %m%n  

log4j.appender.DEBUG.datePattern='.'yyyy-MM-dd

log4j.appender.DEBUG.Threshold = DEBUG   

log4j.appender.DEBUG.append=true

log4j.appender.DEBUG.File=G:/tmp/log/dubug.log

6 准备数据集

准备测试数据集click.log:

{"user":"Mary","url":"./home","cTime":"2022-02-02 12:00:00"}

{"user":"Mary","url":"./prod?id=1","cTime":"2022-02-02 12:00:05"}

{"user":"Liz","url":"./home","cTime":"2022-02-02 12:01:00"}

{"user":"Bob","cTime":"2022-02-02 12:01:30"}

{"user":"Mary","url":"./prod?id=7","cTime":"2022-02-02 12:01:45"}

创建hdfs目录

bin/hdfs dfs -mkdir -p /data/clicklog/input

将click.log文件上传至/data/clicklog/input目录

bin/hdfs dfs -put click.log /data/clicklog/input

7 测试运行

在idea工具中,右键项目选择Run运行Flink Table,如果能在控制台看到打印如下结果,说明Flink Table API能成功读取HDFS中的JSON格式数据。

4> +I[Mary, ./home, 2022-02-02 12:00:00]

4> +I[Mary, ./prod?id=1, 2022-02-02 12:00:05]

4> +I[Liz, ./home, 2022-02-02 12:01:00]

4> +I[Bob, null, 2022-02-02 12:01:30]

4> +I[Mary, ./prod?id=7, 2022-02-02 12:01:45]

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

大数据研习社

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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