Blink SQL之创建日志服务SLS源表

最新推荐文章于 2023-09-29 22:46:35 发布

胜利的曙光

最新推荐文章于 2023-09-29 22:46:35 发布

阅读量2k

点赞数 1

分类专栏：阿里云 Flink 文章标签： sql 数据库 database

本文链接：https://blog.csdn.net/shenglishuguang/article/details/122638793

版权

阿里云同时被 2 个专栏收录

73 篇文章 12 订阅

订阅专栏

Flink

43 篇文章 2 订阅

订阅专栏

创建日志服务SLS源表

仅适用于Blink 1.4.5及以上版本。

什么是日志服务

日志服务SLS是针对日志类数据的一站式服务，对于日志服务而言，数据格式类似JSON，示例如下。

{
    "a": 1000,
    "b": 1234,
    "c": "li"
}

日志服务本身是流数据存储，Blink能将其作为流式数据的输入。

语法示例

日志服务源表DDL示例如下（代码中的sls代表日志服务）。

create table sls_stream(
  a INT,
  b INT,
  c VARCHAR
) with (
  type ='sls',  
  endPoint ='http://cn-hangzhou-share.log.aliyuncs.com',
  accessId ='<yourAccessId>',
  accessKey ='<yourAccessKey>',
  startTime = '2017-07-05 00:00:00',
  project ='<yourProjectName>',
  logStore ='<yourLogStoreName>',
  consumerGroup ='<yourConsumerGroupName>'
);

WITH参数

参数	说明	是否必选	备注
type	源表类型	是	固定值为sls。
endPoint	消费端点信息	是	服务入口
accessId	AccessKey ID	是	无
accessKey	AccessKey Secret	是	无
project	读取的SLS项目名称	是	无
logStore	Project下的具体的LogStore名称	是	无
startTime	日志消费的开始时间	否	无
consumerGroup	消费组名	否	您可以自定义消费组名（没有固定格式）。
heartBeatIntervalMills	消费客户端心跳间隔时间	否	默认值为10000，单位为毫秒。
maxRetryTimes	读取最大尝试次数	否	默认值为5。
batchGetSize	单次读取logGroup的条数	否	默认值为100。
columnErrorDebug	是否打开调试开关	否	默认值为false，不打开。如果选择打开，则打印解析异常的日志。
startupMode	启动消费模式	否	取值如下： TIMESTAMP（默认值）：每个Shard从指定时间开始消费。 Earliest：每个Shard从最早位置开始消费。 Latest：每个Shard从最新位置开始消费。 Group_Offsets：每个Shard优先从服务端保存的Checkpoint开始消费，必须指定consumerGroup。消费模式有以下几种情况：如果从Flink State中恢复状态成功，则从Flink状态中的Checkpoint开始消费。如果从Flink State中恢复状态失败：如果consumerGroup中存在Checkpoint，则尝试从consumerGroup的Checkpoint开始消费。如果consumerGroup中不存在Checkpoint：指定了startTime：从startTime开始消费。未指定startTime：每个shard从最早位置开始消费。注意仅Blink 3.6.5及以上版本支持该参数;并且仅当state中不存在Checkpoint时，上述配置才有效。

备注

1.6.0及以下版本，在指定consumerGroup的Shards数目时，可能会影响读取性能。

SLS暂不支持MAP类型的数据。

SLS对于不存在字段会置为Null。

字段顺序支持无序（建议字段顺序和表中定义一致）。

输入数据源为JSON形式时，注意定义分隔符，并且需要采用内置函数JSON_VALUE分析，否则就会解析失败，报错如下。

2017-12-25 15:24:43,467 WARN [Topology-0 (1/1)] com.alibaba.blink.streaming.connectors.common.source.parse.DefaultSourceCollector - Field missing **error**, table column number: 3, data column number: 3, data filed number: 1, data: [{"lg_order_code":"LP00000005","activity_code":"TEST_CODE1","occur_time":"2017-12-10 00:00:01"}]

batchGetSize设置不能超过1000，否则会报错。

batchGetSize指明的是logGroup获取的数量。如果单条logItem的大小和batchGetSize都很大，有可能会导致频繁的垃圾回收（Garbage Collection），这种情况下该参数应调小。

类型映射

建议您使用该对应关系进行DDL声明。

日志服务字段类型	实时计算Blink版字段类型
STRING	VARCHAR

属性字段

目前Flink SQL默认支持3个SLS属性字段的获取，也支持其它自定义字段的写入。

字段名	注释说明
`__source__`	消息源
`__topic__`	消息主题
`__timestamp__`	日志时间

代码示例

create table sls_input(
  a int, 
  b int,
  c varchar
) with (
  type ='sls',
  endPoint ='http://cn-hangzhou-share.log.aliyuncs.com',
  accessId ='<yourAccessI>',
  accessKey ='<yourAccessKey>',
  startTime = '2017-07-05 00:00:00',
  project ='ali-cloud-streamtest',
  logStore ='stream-test',
  consumerGroup ='consumerGroupTest1'
);

create table print_output(
 a int,
 b int,
 c varchar 
) with (
  type='print'
);

INSERT INTO print_output
SELECT 
  a, b, c
from sls_input;

常见问题

Q：为什么Job的整体延迟增加，或有窗口聚合的Job无输出？

A：如果一个Partition没有新数据写入，会导致上述情况，只需要把并发数调整为读写的Partition数量即可。
Q：如何设置并发数？

A：并发数建议等于Partition数量，否则当两个Partition读取速度差异较大时，理论上在追数据场景，存在数据被过滤掉和数据延迟的风险。
Q：Flink Job延迟增大应该如何排查？

A：SLS源表可能会发生Shard分裂，分裂后的Shard index会不连续，导致Flink延迟增大。如果发现Flink Job延迟增大，请查看SLS源是否发生分裂。