Flink输出操作之Kafka Sink

Flink没有spark输出操作那么直接,spark可以进行迭代输出操作,而Flink对外的输出操作都是用sink进行完成,下面是kafka sink输出操作的demo

1、添加pom依赖

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-scala_2.11</artifactId>
    <version>1.10.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-scala -->
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-streaming-scala_2.11</artifactId>
    <version>1.10.0</version>
</dependency>
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-connector-kafka-0.11_2.11</artifactId>
    <version>1.10.0</version>
</dependency>

2、demo的核心部分编码

import java.util.Base64.Encoder
import java.util.Properties

import com.flink.stu.InfoReading
import org.apache.flink.api.common.serialization.{SimpleStringEncoder, SimpleStringSchema}
import org.apache.flink.core.fs.Path
import org.apache.flink.streaming.api.functions.sink.filesystem.StreamingFileSink
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.connectors.kafka.{FlinkKafkaConsumer011, FlinkKafkaProducer011}

object KafkaSinkTest {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1) //设置并行度
    val prop = new Properties()
    prop.setProperty("bootstrap.servers", "hadoop01:9092,hadoop02:9092")
    prop.setProperty("group.id", "group01")
    prop.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer") //对入参key进行反序列化
    prop.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
    prop.setProperty("auto.offset.reset", "latest")
    val inputStream = env.addSource( new FlinkKafkaConsumer011[String]("inforead", new SimpleStringSchema(), prop) )
    val dataStream: DataStream[String] = inputStream.map(data => {
        val dataArray = data.split(",") //对传入的对象进行分割
        InfoReading(dataArray(0), dataArray(1).toLong).toString //映射到样例类
      })
    //inputStream.print()
    dataStream.addSink(new FlinkKafkaProducer011[String]("hadoop02:9092", "sinkDemo", new SimpleStringSchema())) //写入kafka sink

    env.execute("kafka sink demo.") //启动执行器,必要操作
  }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    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
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

walking_w

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