pom env.java home_maven 内置pom属性(示例代码)

内置属性:如 ${basedir} 表示项目根目录 即包含了pom.xml文件的目录 ${version} 表示项目版本

pom属性

${project.build.sourcedirectory} : 项目构建输出目录,默认为src/main/java

${project.build.testSourceDirectory} : 项目的测试源码目录,默认为src/test/java/

${project.build.directory} :项目构建输出目录,默认为target/

${project.outputDirectory} :项目测试代码编写输出目录。默认为target/test-calsses

${project.groupId} : 项目的groupId

${project.artifactId}

${project.version}

${project.build.finalName} :  项目打包输出文件的名称, 默认为 ${project.artifactId} - ${project.version}

setting属性

用户使用以setting开头的属性引用setting.xml文件中属性的值

如:${setting.localRepository} 指向用户本地仓库的地址

java系统属性   可使用 mvn help:system 查看所有java系统属性

举例 : ${user.home} 指向用户目录,

环境变量属性:可使用 mvn help:system 查看所有java系统属性

举例:${env.JAVA_HOME} 指代了JAVA_HOME环境变量的值

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个使用Java和Apache Flink连接MySQL并读取binlog的代码,并且使用了Maven进行依赖管理。请注意,这里仅提供代码示例,具体的数据库连接信息和binlog配置需要根据实际情况进行修改。 pom.xml文件内容如下: ```xml <dependencies> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-core</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-streaming-java_${scala.binary.version}</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-connector-jdbc_${scala.binary.version}</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <version>${mysql.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-connector-kafka_${scala.binary.version}</artifactId> <version>${flink.version}</version> </dependency> </dependencies> ``` Java代码实现如下: ```java import org.apache.flink.api.common.functions.MapFunction; import org.apache.flink.api.common.serialization.SimpleStringSchema; import org.apache.flink.streaming.api.datastream.DataStream; import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment; import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer; import org.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer; import org.apache.flink.streaming.connectors.kafka.KafkaSerializationSchema; import org.apache.flink.streaming.connectors.kafka.KafkaSink; import org.apache.flink.streaming.connectors.kafka.KafkaTopicPartition; import org.apache.flink.streaming.connectors.kafka.internals.KeyedSerializationSchemaWrapper; import org.apache.flink.streaming.connectors.kafka.internals.KafkaTopicPartitionState; import org.apache.flink.streaming.connectors.kafka.internals.KafkaTopicPartitionStateSentinel; import org.apache.flink.streaming.connectors.kafka.internals.LegacyFetcher; import org.apache.flink.streaming.connectors.kafka.internals.LegacyFetcherThread; import org.apache.flink.streaming.connectors.kafka.internals.LegacyFlinkKafkaConsumer; import org.apache.flink.streaming.connectors.kafka.internals.LegacyFlinkKafkaConsumerBase; import org.apache.flink.streaming.connectors.kafka.internals.metrics.KafkaConsumerMetricConstants; import org.apache.flink.streaming.connectors.kafka.internals.metrics.KafkaConsumerMetricWrapper; import org.apache.kafka.clients.consumer.ConsumerRecord; import org.apache.kafka.clients.producer.ProducerConfig; import org.apache.kafka.clients.producer.ProducerRecord; import org.apache.kafka.common.TopicPartition; import org.apache.kafka.common.serialization.StringSerializer; import java.util.Properties; public class FlinkKafkaConnector { public static void main(String[] args) throws Exception { final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); //设置kafka相关参数 Properties properties = new Properties(); properties.setProperty("bootstrap.servers", "localhost:9092"); properties.setProperty("group.id", "test"); //创建KafkaSource FlinkKafkaConsumer<String> kafkaConsumer = new FlinkKafkaConsumer<>("test", new SimpleStringSchema(), properties); //将KafkaSource添加到Flink环境中 DataStream<String> stream = env.addSource(kafkaConsumer); //将数据转换成大写字母 DataStream<String> upperStream = stream.map(new MapFunction<String, String>() { @Override public String map(String s) throws Exception { return s.toUpperCase(); } }); //将数据写回到Kafka Properties producerProperties = new Properties(); producerProperties.setProperty(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092"); FlinkKafkaProducer<String> kafkaProducer = new FlinkKafkaProducer<>("test", new KeyedSerializationSchemaWrapper<>(new SimpleStringSchema()), producerProperties, FlinkKafkaProducer.Semantic.EXACTLY_ONCE); upperStream.addSink(kafkaProducer); //执行任务 env.execute("Flink Kafka Connector Example"); } } ``` 需要注意的是,这里使用了Flink Kafka Connector,因此需要在pom.xml文件中加入相应的依赖。此外,还需要根据实际情况修改Kafka和MySQL的连接信息。

“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
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