flink从入门到放弃之入门篇(二)-Source操作

​1.Flink预定义Source操作

在flink中,source主要负责数据的读取。

flink预定义的source中又分为「并行source(主要实现ParallelSourceFunction接口)「和」非并行source(主要实现了SourceFunction接口)」

附上官网相关的说明:

you can always write your own custom sources by implementing the SourceFunction for non-parallel sources, or by implementing the ParallelSourceFunction interface or extending the RichParallelSourceFunction for parallel sources

「1.基于File的数据源」

「1.1底层原理」

Flink在进行文件读取的时候会启动两个subTask,一个subTask用来监听,另外一个subTask用来数据读取。且监听的subTask是属于非并行的,即并行度为1,而数据读取的subTask是属于并行的 ,通常并行度和job的并行度是一致的

readTextFile(path):逐行读取文本文件,将符合TextInputFormat规范的文件,作为字符串返回
readFile(fileInputFormat, path):根据指定的文件输入格式读取
readFile(fileInputFormat, path, watchType, interval, pathFilter, typeInfo):上面两个方法底层其实调用的就是该方法

「1.2 代码」

public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration());

        DataStreamSource<String> textSource = env.readTextFile("/data/GitCode/flink/src/main/resources/word.txt");

        //如果不设置并行度的话,这里会跟机器的核数一致
        int parallelism = textSource.getParallelism();
        System.out.println("textFile并行度:" + parallelism);

        textSource.print();

        env.execute("TextFileSourceDemo");
    }

「2.基于Socket的数据源(一般用于学习,测试)」

「2.1底层原理」

通常调用socketTextStream方法来接收socket数据,元素可以用分隔符分开,该方法底层实现了SourceFunction接口,是属于非并行source

「2.2代码」

   public static void main(String[] args) throws Exception {
        //并行度和系统核数一致
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        //非并行的source,只有1个并行度
        DataStreamSource<String> lines = env.socketTextStream(args[0], Integer.parseInt(args[1]));
        int parallelism = lines.getParallelism();
        System.out.println("socketTextStream并行度:"+parallelism);

        SingleOutputStreamOperator<Tuple2<String, Integer>> wordAndOne = lines.flatMap((String line, Collector<Tuple2<String, Integer>> out) -> Arrays.stream(line.split(" ")).forEach(word -> out.collect(Tuple2.of(word, 1)))).returns(Types.TUPLE(Types.STRING, Types.INT));
        SingleOutputStreamOperator<Tuple2<String, Integer>> summed = wordAndOne.keyBy(t -> t.f0).sum(1);
        summed.print();

        env.execute("WordCount");
    }

「3.基于集合的数据源(学习,测试)」

从集合中创建一个数据流,集合中所有的元素类型都是一致的.其底层调用了SourceFunction接口,属于非并行source。注意:fromParallelCollection方法是属于并行的,底层调用了RichParallelSourceFunction接口

  1. fromCollection(Collection)

    val list=List(1,2,3,4,5,6,7,8,9)
    val inputStream=env.fromCollection(list)
    
  2. fromCollection(Iterator, Class)

    val iterator=Iterator(1,2,3,4)
    val inputStream=env.fromCollection(iterator)
    
  3. fromElements(T ...)

    从一个给定的对象序列中创建一个数据流,所有的对象必须是相同类型的。

    DataStreamSource<Integer> fromSource = env.fromElements(1, 2, 3, 4);
    int parallelism = fromSource.getParallelism();
    System.out.println("fromElements并行度:" + parallelism);
    
  4. generateSequence(from, to)

    从给定的间隔中并行地产生一个数字序列。

val inputStream = env.generateSequence(1,10)

「4.基于Kafka的数据源(重点)」

这里给出简单的入门示例,实际工作场景中需要考虑到容错、数据一致性、分区发现、结合水印实现一些窗口操作等功能

public class kafkaSource {
    private static Properties properties = new Properties();
    private static final String BOOTSTRAPLIST = "hdp1:6667,hdp2:6667";
    private static final String GROUPID = "metric-group";
    private static final String TOPIC = "metric";

    static {
        properties.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, BOOTSTRAPLIST);
        properties.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");
        properties.put(ConsumerConfig.GROUP_ID_CONFIG, GROUPID);
        properties.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "latest");
    }

    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration());

        DataStreamSource<String> kafkaSource = env.addSource(new FlinkKafkaConsumer<String>(TOPIC, new SimpleStringSchema(), properties));

        kafkaSource.print();

        env.execute();
    }
}

2.Flink自定义Source操作

「2.1 非并行Source」

即实现SourceFunction接口

public class CustomNonParallelSource {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration());
        List<String> list = new ArrayList<>();
        list.add("Spark");
        list.add("Hadoop");
        list.add("Flink");
        list.add("HBase");
        list.add("Es");
        SingleOutputStreamOperator<String> singleOutputStreamOperator = env.addSource(new MyWordSource(list)).returns(String.class);
        System.out.println("自定义非并行source对应的并行度:" + singleOutputStreamOperator.getParallelism());
        singleOutputStreamOperator.print();
        env.execute();
    }

    static class MyWordSource implements SourceFunction<String> {
        private List<String> words;
        private boolean isStop = false;

        public MyWordSource() {
        }

        public MyWordSource(List<String> words) {
            this.words = words;
        }

        @Override
        public void run(SourceContext<String> ctx) throws Exception {
            if (words != null && words.size() > 0) {
                while (!isStop) {
                    words.forEach(word -> ctx.collect(word));
                }
            }
        }

        @Override
        public void cancel() {
            isStop = true;
        }
    }
}

「2.2 并行Source」

通过实现ParallelSourceFunction接口或者继承RichParallelSourceFunction来定义并行source。

其中RichParallelSourceFunction功能更加丰富些,可以获取上下文信息,提供open和close方法等更加强大的功能

「简单的实时流」

public class CustomSource {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        List<String> words = new ArrayList<>();
        words.add("spark");
        words.add("hadoop");
        words.add("flink");
//        DataStreamSource<String> wordsSource = env.addSource(new MyWordSource(words));
        SingleOutputStreamOperator singleOutputStreamOperator = env.addSource(new MyWordParallelSource(words)).returns(String.class);

//      如果不设置并行度,则和系统核数一致
        System.out.println("自定义并行source对应parallelism:" + singleOutputStreamOperator.getParallelism());
        singleOutputStreamOperator.print();
        env.execute("CustomSource");
    }

    static class MyWordParallelSource extends RichParallelSourceFunction {
        private boolean isStop = false;
        private List<String> words;

        public MyWordParallelSource() {
        }

        /**
         * 通常在该方法做一些初始化的工作,如创建数据库连接等
         * @param parameters
         * @throws Exception
         */
        @Override
        public void open(Configuration parameters) throws Exception {
            super.open(parameters);
        }

        /**
         * 释放资源
         * @throws Exception
         */
        @Override
        public void close() throws Exception {
            super.close();
        }

        public MyWordParallelSource(List<String> word) {
            this.words = word;
        }


        @Override
        public void run(SourceContext ctx) throws Exception {
            int numberOfParallelSubtasks = getRuntimeContext().getNumberOfParallelSubtasks();
            while (!isStop) {
                if (words != null && words.size() > 0) {
                    words.forEach(word -> ctx.collect(numberOfParallelSubtasks + "--->" + word));
                }
                Thread.sleep(2000);
            }
        }

        /**
         * 该方法对无界数据流有作用
         */
        @Override
        public void cancel() {
            isStop = true;
        }
    }

    static class MyWordSource extends RichSourceFunction<String> {
        private List<String> words;

        private boolean flag = true;

        public MyWordSource(List<String> words) {
            this.words = words;
        }

        /**
         * 产生数据,用sourceContext将数据发生出去
         *
         * @param sourceContext
         * @throws Exception
         */
        @Override
        public void run(SourceContext sourceContext) throws Exception {
            //获取当前subTask的运行上下文
            RuntimeContext runtimeContext = getRuntimeContext();
            int indexOfThisSubtask = runtimeContext.getIndexOfThisSubtask();

            while (flag) {
                if (words != null && words.size() > 0) {
                    words.forEach(word -> sourceContext.collect(indexOfThisSubtask + "--->" + word));
                }

                Thread.sleep(2000);
            }


        }

        /**
         * 停止source,对于无界数据流有用
         */
        @Override
        public void cancel() {
            flag = false;
        }
    }
}

「自定义source读取mysql」

public class MysqlSource extends RichSourceFunction<Student> {
    private static Logger logger = LoggerFactory.getLogger(MysqlSource.class);
    private static final String URL ="jdbc:mysql://localhost:3306/hibernate?useUnicode=true&characterEncoding=UTF-8";
    private static final String USERNAME="root";
    private static final String PASSWORD="123456";
    PreparedStatement preparedStatement;
    private Connection connection;

    private static Connection getConnection() {
        Connection connection = null;
        try {
            Class.forName("com.mysql.jdbc.Driver");
            connection = DriverManager.getConnection(URL, USERNAME, PASSWORD);
        } catch (Exception e) {
            logger.error("创建Mysql连接异常,信息:[{}]",e);
            e.printStackTrace();
        }
        return  connection;
    }

    /**
     * open()方法中建立连接,这样不用每次invoke的时候建立和释放连接
     *
     * @param parameters
     * @throws Exception
     */
    @Override
    public void open(Configuration parameters) throws Exception {
        super.open(parameters);
        connection = getConnection();
        String sql = "select * from student";
        preparedStatement = this.connection.prepareStatement(sql);
    }

    /**
     * DataStream调用一次run方法用来获取数据
     * @param ctx
     * @throws Exception
     */
    @Override
    public void run(SourceContext<Student> ctx) throws Exception {
        ResultSet resultSet =
                preparedStatement.executeQuery();
        while (resultSet.next()){
            Student student = new Student(
                    resultSet.getInt("id"),
                    resultSet.getString("name").trim(),
                    resultSet.getString("password").trim(),
                    resultSet.getInt("age"));
            ctx.collect(student);
        }
    }

    @Override
    public void cancel() {

    }

    /**
     * 关闭时释放连接
     * @throws Exception
     */
    @Override
    public void close() throws Exception {
        super.close();
        if(connection!=null){
            connection.close();
        }

        if(preparedStatement!=null){
            preparedStatement.close();
        }
    }
}

3.总结

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论

“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 4
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

进击吧大数据

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