RocketMQ Flink Catalog 设计与实践

最新推荐文章于 2024-08-06 09:56:09 发布

Apache Flink

最新推荐文章于 2024-08-06 09:56:09 发布

阅读量391

点赞数

文章标签：数据库大数据 java python mysql

本文链接：https://blog.csdn.net/weixin_44904816/article/details/127564182

版权

摘要：本文为 RocketMQ Flink Catalog 使用指南。主要内容包括：

Flink 和 Flink Catalog
RocketMQ Flink Connector
RocketMQ Flink Catalog

Tips：点击「阅读原文」查看更多技术内容～

Flink 和 Flink Catalog

Flink 是一个分布式计算引擎，目前已经实现批流一体，可以实现对有界数据和无界数据的处理。需要有效分配和管理计算资源才能执行流式应用程序。

目前 Flink API 共抽象为四个部分：

最顶层的抽象为 SQL。SQL 抽象与 Table API 抽象之间的关联是非常紧密的，并且 SQL 查询语句可以在 Table API 中定义的表上执行。
第二层抽象为 Table API。Table API 是以表（Table）为中心的声明式编程（DSL）API，例如在流式数据场景下，它可以表示一张正在动态改变的表。
第三层抽象是 Core APIs。许多程序可能使用不到最底层的 API，而是可以使用 Core APIs 进行编程：其中包含 DataStream API（应用于有界/无界数据流场景）和 DataSet API（应用于有界数据集场景）两部分。
第四层抽象为有状态的实时流处理。

Flink Catalog 提供了元数据信息，例如数据库、表、分区、视图以及数据库或其他外部系统中存储的函数和信息。Flink 对于元数据的管理分为临时的、持久化的两种。内置的 GenericInMemoryCatalog 是基于内存实现的 Catalog，所有元数据只在 session 的生命周期内可用。JdbcCatalog 和 HiveCatalog 就是可以持久化元数据的 Catalog。

Flink Catalog 是扩展的，支持用户自定义。为了在 Flink SQL 中使用自定义 Catalog，用户需要通过实现CatalogFactory接口来实现对应的 Catalog 工厂。该工厂是使用 Java 的服务提供者接口 (SPI) 发现的。可以将实现此接口的类添加到 META_INF/services/org.apache.flink.table.factories.FactoryJAR 文件中。

RocketMQ Flink Connector

RocketMQ 连接器为 Flink 提供从 RocketMQ Topic 中消费和写入数据的能力。Flink 的 Table API & SQL 程序可以连接到其他外部系统，用于读取和写入批处理和流式表。Source 提供对存储在外部系统（例如数据库、键值存储、消息队列或文件系统）中的数据的访问。Sink 将数据发送到外部存储系统。

该项目的 Github 仓库是：https://github.com/apache/rocketmq-flink

RocketMQ Flink Catalog

3.1 设计与实现

■ 3.1.1 RocketMQ Flink Catalog 的设计主要分为两步

实现一个 RocketMqCatalogFactory 基于字符串属性创建已配置 Catalog 实例的工厂。将此实现类添加到 META_INF/services/org.apache.flink.table.factories.Factory 中。
继承 AbstractCatalog 实现 RocketMqCatalog，通过实现 Catalog 接口中的方法，完成对数据库、表、分区等信息的查询操作。

类图如下：

■ 3.1.2 RocketMQ Flink Catalog 的存储

RocketMQ Flink Catalog 的底层存储使用的是 RocketMQ Schema Registry。Flink 调用 Catalog 的时候，在 AbstractCatalog 的实现类中通过 RocketMQ Schema Registry 的客户端和 RocketMQ Schema Registry 服务端进行交互。

Database : 返回默认的 default 。
Table : 从 RocketMQ Schema Registry 获取对应的 Schema，然后解析 IDL 转换成 DataType。
Partition : 通过 DefaultMQAdminExt 从 RocketMQ 中获取到 Partition 相关信息。

RocketMQ Schema Registry 是一个 Topic Schema 的管理中心。它为 Topic（RocketMQ Topic）的注册、删除、更新、获取和引用模式提供了一个 RESTful 接口。New RocketMQ 客户端通过将 Schema 与 Subject 关联起来，可以直接发送结构化数据。用户不再需要关心序列化和反序列化的细节。

■ 3.1.3 RocketMQ Flink Catalog 支持的 API

目前 RocketMQ Flink Catalog 支持对 Database、Table、Partition 的查询和判断是否存在的操作，不支持创建、修改、删除。所以在使用之前需要通过 RocketMQ Schema Registry 来创建好对应的 Schema。

3.2 使用指南

表环境（TableEnvironment）是 Flink 中集成 Table API & SQL 的核心概念。它负责:

在内部的 Catalog 中注册 Table。
注册外部的 Catalog。
加载可插拔模块。
执行 SQL 查询。
注册自定义函数（scalar、table 或 aggregation）。
将 DataStream 或 DataSet 转换成 Table。
持有对 ExecutionEnvironment 或 StreamExecutionEnvironment 的引用。

■ 3.2.1 创建并注册 Catalog

Table API ：

RocketMQCatalog rocketMqCatalog = new RocketMQCatalog("rocketmq_catalog", "default", "http://localhost:9876", "http://localhost:8080");
tableEnvironment.registerCatalog("rocketmq_catalog", rocketMqCatalog);

‍

SQL：

TableResult tableResult = tableEnvironment.executeSql(
                "CREATE CATALOG rocketmq_catalog WITH (" +
                        "'type'='rocketmq_catalog'," +
                        "'nameserver.address'='http://localhost:9876'," +
                        "'schema.registry.base.url'='http://localhost:8080');");

■ 3.2.2 修改当前的 Catalog

Table API ：

tableEnvironment.useCatalog("rocketmq_catalog");

SQL：

tableEnvironment.executeSql("USE CATALOG rocketmq_catalog");

■ 3.2.3 列出可用的 Catalog

Table API ：

String[] catalogs = tableEnvironment.listCatalogs();

SQL：

TableResult tableResult = tableEnvironment.executeSql("show catalogs");

■ 3.2.4 列出可用的 Database

Table API ：

String[] databases = tableEnvironment.listDatabases();

SQL：

TableResult tableResult = tableEnvironment.executeSql("show databases");

■ 3.2.5 列出可用的 Table

Table API：

String[] tables = tableEnvironment.listTables();

SQL：

TableResult tableResult = tableEnvironment.executeSql("show tables");

3.3 Quick Start

需要提前准备可用的 RocketMQ 、RocketMQ Schema Registry：

RocketMQ 部署：https://rocketmq.apache.org/docs/介绍/02quickstart
RocketMQ Schema Registry 部署：https://github.com/apache/rocketmq-schema-registry

■ 3.3.1 创建 Topic

创建两个 Topic，rocketmq_source 和 rocketmq_sink。

■ 3.3.2 注册 Source Schema

curl -X POST -H "Content-Type: application/json" \
-d '{"schemaIdl":"{\"type\":\"record\",\"name\":\"rocketmq_source_schema\",\"namespace\":\"namespace\",\"fields\":[{\"name\":\"name\",\"type\":\"string\"}]}"}' \
http://localhost:8080/schema-registry/v1/subject/rocketmq_source/schema/rocketmq_source_schema

■ 3.3.3 注册 Sink Schema

curl -X POST -H "Content-Type: application/json" \
-d '{"schemaIdl":"{\"type\":\"record\",\"name\":\"rocketmq_sink_schema\",\"namespace\":\"namespace\",\"fields\":[{\"name\":\"name\",\"type\":\"string\"}]}"}' \
http://localhost:8080/schema-registry/v1/subject/rocketmq_sink/schema/rocketmq_sink_schema

■ 3.3.4 添加依赖

创建一个任务项目，添加 rocketmq-flink 的依赖 :

<dependency>
    <groupId>org.apache.rocketmq</groupId>
    <artifactId>rocketmq-flink</artifactId>
    <version>1.0.0-SNAPSHOT</version>
</dependency>

目前 RocketMQ Schema Registry 还没有发布正式的版本，只有快照版，如果发现 jar 找不到，可以尝试以下方法：

<repositories>
    <repository>
        <id>snapshot-repos</id>
        <name>Apache Snapshot Repository</name>
        <url>https://repository.apache.org/snapshots/</url>
        <snapshots>
            <enabled>true</enabled>
        </snapshots>
        <layout>default</layout>
    </repository>
</repositories>

■ 3.3.5 创建任务

/**
 * @author lixiaoshuang
 */
public class RocketMqCatalog {
    public static void main(String[] args) {
        // 初始化表环境参数
        EnvironmentSettings environmentSettings = EnvironmentSettings.newInstance().inStreamingMode().build();
        // 创建 table 环境
        TableEnvironment tableEnvironment = TableEnvironment.create(environmentSettings);




        // 注册 rocketmq catalog
        tableEnvironment.executeSql(
                "CREATE CATALOG rocketmq_catalog WITH (" +
                        "'type'='rocketmq_catalog'," +
                        "'nameserver.address'='http://localhost:9876'," +
                        "'schema.registry.base.url'='http://localhost:8080');");
        tableEnvironment.executeSql("USE CATALOG rocketmq_catalog");


        // 从 rocketmq_source 中获取数据写入到 rocketmq_sink 中
        TableResult tableResult = tableEnvironment.executeSql("INSERT INTO rocketmq_sink /*+ OPTIONS" +
                "('producerGroup'='topic_producer_group') */ select * from rocketmq_source /*+ OPTIONS" +
                "('consumerGroup'='topic_consumer_group') */");
    }
}

启动任务并运行以后，打开 RocketMQ 控制台，往 rocketmq_source 这个 Topic 发送一条消息。

然后再查看 rocketmq_sink 的状态，就会发现消息已经通过写入到 rocketmq_sink 中了。

Flink Forward Asia 2022

PC 端

建议前往 FFA 2022 大会官网预约直播

https://flink-forward.org.cn/

点击议题，即可查看议题详情以及讲师介绍

移动端

建议关注视频号预约直播

▼ 关注「Apache Flink」，获取更多技术干货 ▼

点击「阅读原文」，查看更多技术内容～

Apache Flink

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
RocketMQ Flink Catalog 设计与实践

摘要：本文为 RocketMQ Flink Catalog 使用指南。主要内容包括：Flink 和 Flink CatalogRocketMQFlink ConnectorRocketMQFlink CatalogTips：点击「阅读原文」查看更多技术内容～01Flink 和 Flink CatalogFlink 是一个分布式计算引擎，目前已经实现批流一体，可以实现对有界数据和无界数据的处理。...
复制链接

扫一扫