Flink入门，flink接入kafka数据源，消费数据并处理数据_flink kafka

## 使用Flink接收kafka数据，处理后发送到新topic

首先先下载kafka的linux版本，可以搜索阿里云的镜像进行下载，速度很快
http://mirrors.aliyun.com/apache/kafka/
安装过程可自行搜索。。。
注意，安装号kafka后需要修改配置文件

vi kafka的安装目录/config/server.properties
1

将文件中的listeners注释去掉，并修改值为你虚拟机的ip，如下图

然后启动kafka，这里要切换到bin目录下

sh kafka-server-start.sh -daemon ../config/server.properties
1

启动完可以切换到logs目录下查看日志
再打开两个shell页面，分别为生产和消费使用

vi server.log
1

启动生产者服务，bin目录下

./kafka-console-producer.sh --topic 自定义topic名称 --bootstrap-server 你虚拟机ip:9092
1

启动消费者服务，bin目录下

./kafka-console-consumer.sh --topic 自定义topic名称 --bootstrap-server 你虚拟机ip:9092
1

然后尝试在生成者输入字符，回车发送


消费者可以收到消息，kafka安装完成，如果没有收到可以检查topic是否一致，ip是否正确
下面引入flink相关依赖

<properties>
		<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
		<flink.version>1.19.0</flink.version>
		<target.java.version>1.8</target.java.version>
		<scala.binary.version>2.12</scala.binary.version>
		<maven.compiler.source>${target.java.version}</maven.compiler.source>
		<maven.compiler.target>${target.java.version}</maven.compiler.target>
		<log4j.version>2.17.1</log4j.version>
	</properties>

	<repositories>
		<repository>
			<id>apache.snapshots</id>
			<name>Apache Development Snapshot Repository</name>
			<url>https://repository.apache.org/content/repositories/snapshots/</url>
			<releases>
				<enabled>false</enabled>
			</releases>
			<snapshots>
				<enabled>true</enabled>
			</snapshots>
		</repository>
	</repositories>

	<dependencies>
		<!-- Apache Flink依赖项 -->
		<!-- 之所以提供这些依赖项，是因为它们不应该打包到JAR文件中. -->
		<dependency>
            <!--Table API + DataStream-->
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-table-api-java-bridge</artifactId>
			<version>${flink.version}</version>
			<scope>provided</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-clients</artifactId>
			<version>${flink.version}</version>
			<scope>provided</scope>
		</dependency>

        <!--JDBC连接器-->
		<dependency>
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-connector-jdbc</artifactId>
			<version>1.16.0</version>
		</dependency>

		<!-- 在这里添加连接器依赖项。它们必须在默认作用域(编译)中。 -->

		<dependency>
            <!--kafka连接器-->
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-connector-kafka</artifactId>
			<version>1.16.0</version>
		</dependency>

		<!-- 添加日志框架，以便在IDE中运行时生成控制台输出. -->
		<!-- 默认情况下，这些依赖项从应用程序JAR中排除. -->
		<dependency>
			<groupId>org.apache.logging.log4j</groupId>
			<artifactId>log4j-slf4j-impl</artifactId>
			<version>${log4j.version}</version>
			<scope>runtime</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.logging.log4j</groupId>
			<artifactId>log4j-api</artifactId>
			<version>${log4j.version}</version>
			<scope>runtime</scope>
		</dependency>
		<dependency>
			<groupId>org.apache.logging.log4j</groupId>
			<artifactId>log4j-core</artifactId>
			<version>${log4j.version}</version>
			<scope>runtime</scope>
		</dependency>
		<dependency>
			<groupId>org.projectlombok</groupId>
			<artifactId>lombok</artifactId>
			<version>1.18.30</version>
			<scope>compile</scope>
		</dependency>
	</dependencies>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84

构建时会提示找不到类，在idea中勾选如图选项，或者在pom文件中修改scope的值为compile

下来开始写代码

        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //设置并行数
        env.setParallelism(4);
        // 每10000毫秒进行一次checkpoint
        env.enableCheckpointing(10000);
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
        
        // 设置 Kafka 消费者属性
        Properties properties = new Properties();
        properties.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "ip");
        properties.setProperty(ConsumerConfig.GROUP_ID_CONFIG, "flink-consumer-group");
        properties.setProperty("key.deserializer", StringDeserializer.class.getName());
        properties.setProperty("value.deserializer", StringDeserializer.class.getName());
        
        // 创建Kafka消费者,将消费者添加到流
        FlinkKafkaConsumer<String> consumer = new FlinkKafkaConsumer<>("你设定的topic", new SimpleStringSchema(), properties);
        //设置只读取最新数据
        consumer.setStartFromLatest();

        //添加数据源
        DataStreamSource<String> source = env.addSource(consumer);

        source.print();

        DataStream<String> mappedStream = source.map(new MapFunction<String, String>() {
            @Override
            public String map(String value) throws Exception {
                return value.toUpperCase(); //进行数据治理 例如，将值转换为大写
            }
        });

        //创建一个Flink生产者,将处理过的数据发回去
        mappedStream.addSink(new FlinkKafkaProducer<>("新的topic", new SimpleStringSchema(), properties));
        
        env.execute("Flink Kafka Integration");
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

上面这种构建kafka数据源的方式官方显示已经过时，有另一种构建方式

         KafkaSource<String> source = KafkaSource.<String>builder()
                .setTopics("test")      
                .setGroupId("test-consumer-group")
                .setBootstrapServers("ip:9092")
                .setStartingOffsets(OffsetsInitializer.latest())   //消费最新数据
                .setValueOnlyDeserializer(new SimpleStringSchema()).build();
        DataStream<String> dataStream = env.fromSource(source, WatermarkStrategy.noWatermarks(), "Kafka Source");
1
2
3
4
5
6
7

然后运行代码，在生产者生产一条数据进行查看
生产者
查看代码控制台
最后运行新的消费者，消费处理后的数据，只需修改topic

可以看到，flink英文变成了大写，简单接入完成