Flink用连接器实现TableAPI(Sink ES)把端口数据写入ES并实现去重写入
package com.atguigu.day10;
import com.atguigu.bean.WaterSensor;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.Elasticsearch;
import org.apache.flink.table.descriptors.Json;
import org.apache.flink.table.descriptors.Kafka;
import org.apache.flink.table.descriptors.Schema;
import org.apache.kafka.clients.producer.ProducerConfig;
import static org.apache.flink.table.api.Expressions.$;
/**
* @author dxy
* @date 2021/4/21 13:46
*/
public class FlinkSQL16_Sink_ES {
public static void main(String[] args) throws Exception {
//1.获取执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);
//2.读取端口数据并封装成JavaBean
DataStreamSource<String> socketTextStream = env.socketTextStream("hadoop102", 9998);
SingleOutputStreamOperator<WaterSensor> waterSensorDS = socketTextStream.map(line -> {
String[] fields = line.split(",");
return new WaterSensor(fields[0],
Long.parseLong(fields[1]),
Double.parseDouble(fields[2]));
});
//3.使用TabelAPI
Table sensorTable = tableEnv.fromDataStream(waterSensorDS);
Table resultTable = sensorTable
.where($("id").isEqual("ws_001"))
.select($("id"), $("ts"), $("vc"));
//4.将selectTable写入ES
tableEnv.connect(new Elasticsearch()
.index("sensor_sql")
.documentType("_doc")
.version("6")
.host("hadoop102", 9200, "http")
.bulkFlushMaxActions(1))
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("ts", DataTypes.BIGINT())
.field("vc", DataTypes.DOUBLE()))
.withFormat(new Json())
.inAppendMode()
.createTemporaryTable("sensor");
//6.将数据通过连接器写入文件
resultTable.executeInsert("sensor");//Sink
//7.启动
env.execute();
}
}
参数说明:bulkFlushMaxActions(1)每一条数据就执行写入,当然我们也可以以设置间隔多长时间进行写入,可以设置不同的参数方式实现写入。
在企业中肯定是批量写入,不是每一条就写入,ES是json格式因此我们指定的格式必须是JSON格式,其实在ES中它支持Append模式和upsert模式
在ES中append模式DOC的ID是随机给的,因为它没办法判断前面ID是追加模式。
导入ES依赖
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-connector-elasticsearch6_2.11</artifactId>
<version>1.12.0</version>
</dependency>
启动es.sh
#查看节点信息
GET _cat/nodes?v#查看索引
GET _cat/indices#查询别名列表
GET _cat/aliases?v#查看系统中已有的模板清单
GET _cat/templates#查看系统健康状态
GET _cat/health?v
开启9998端口然后启动程序
输入数据进行测试
在ES中查索引
然后查看数据
测试成功,成功将端口数据写入ES,并且可以去重,去重自己测试!