【API篇】六、Flink输出算子Sink

算子Sink"/>

【API篇】六、Flink输出算子Sink

文章目录

• 1、输出到外部系统
• 2、输出到文件
• 3、输出到KafKa
• 4、输出到MySQL（JDBC）
• 5、自定义Sink输出

Flink做为数据处理引擎，要把最终处理好的数据写入外部存储，为外部系统或应用提供支持。与输入算子Source相对应的，输出算子为Sink。

前面一直在用的print就是一种Sink，用来将数据流写到控制台打印

1、输出到外部系统

Flink程序中所有对外的输出操作，利用Sink算子完成

Flink1.12以前，Sink算子的创建是通过调用DataStream的.addSink()方法

stream.addSink(new SinkFunction(…));
//重写SinkFunction接口的invoke方法，用来将指定的值写入到外部系统中
//invoke方法在每条数据记录到来时都会调用。

Flink1.12开始，Sink算子的创建是通过调用DataStream的.sinkTo()方法

stream.sinkTo(…)

Flink官网为我们提供了一部分的框架的Sink连接器：

source/sink即可读可写，能做为数据源连接，也能做为下游去输出。

2、输出到文件

先引入Flink流式文件系统的连接器FileSink的依赖：

<dependency><groupId>org.apache.flink</groupId><artifactId>flink-connector-files</artifactId><version>${flink.version}</version>
</dependency>

FileSink支持行编码（Row-encoded）和批量编码（Bulk-encoded）格式。这两种不同的方式都有各自的构建器（builder）：

• 行编码： FileSink.forRowFormat（basePath，rowEncoder）
• 批量编码： FileSink.forBulkFormat（basePath，bulkWriterFactory）

下面演示实现读往d盘下的tmp目录写数据（tmp目录不用提前创建，不存在会自动创建）：

public class SinkFile {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();// 每个目录中，都有 并行度个数的 文件是正在写入状态env.setParallelism(1);// 必须开启checkpoint，否则文件一直都是 .inprogress状态，即正在写入env.enableCheckpointing(2000, CheckpointingMode.EXACTLY_ONCE);//生成器模拟一个数据源DataGeneratorSource<String> dataGeneratorSource = new DataGeneratorSource<>(new GeneratorFunction<Long, String>() {@Overridepublic String map(Long value) throws Exception {return "Number:" + value;}},Long.MAX_VALUE,RateLimiterStrategy.perSecond(1000), //每秒生成1000条数据Types.STRING);DataStreamSource<String> dataGen = env.fromSource(dataGeneratorSource, WatermarkStrategy.noWatermarks(), "data-generator");// 输出到文件系统FileSink<String> fieSink = FileSink// 输出行式存储的文件，指定路径、指定编码.<String>forRowFormat(new Path("f:/tmp"), new SimpleStringEncoder<>("UTF-8"))// 输出文件的一些配置： 文件名的前缀、后缀，new也行，这里展示build方式创建配置对象.withOutputFileConfig(OutputFileConfig.builder().withPartPrefix("code9527").withPartSuffix(".log").build())// 按照目录分桶：如下，就是每个小时一个目录。ZoneId.systemDefault()即系统默认时区，也可是ZoneId类中的其他时区.withBucketAssigner(new DateTimeBucketAssigner<>("yyyy-MM-dd HH", ZoneId.systemDefault()))// 文件滚动策略:  1分钟 或 1m.withRollingPolicy(DefaultRollingPolicy.builder().withRolloverInterval(Duration.ofMinutes(1)).withMaxPartSize(new MemorySize(1024*1024)).build()).build();dataGen.sinkTo(fieSink);env.execute();}
}

运行，看下效果：inprocess，此时文件正在写入数据，不可读。一个这个inprocess文件，因为上面并行度设置的1

总结：重点还是FileSink对象的创建

• 输出行/批文件存储的文件，可指定文件路径、文件编码、文件前后缀

• 按目录分桶，传参的接口实现类对象自选，demo中是按照时间给文件夹命名

• 特别注意文件滚动策略，是达到指定时间或者文件到达指定大小，是或的关系

• FileSink对象创建完后，直接流对象调用sinkTo即可完成写入到文件的动作

3、输出到KafKa

添加KafKa连接器的依赖：

<dependency><groupId>org.apache.flink</groupId><artifactId>flink-connector-kafka</artifactId><version>${flink.version}</version>
</dependency>

以下用socket模拟无界流，来演示数据输出到KafKa：

public class SinkKafka {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();env.setParallelism(1);// 如果是精准一次，必须开启checkpoint，否则无法写入Kafkaenv.enableCheckpointing(2000, CheckpointingMode.EXACTLY_ONCE);SingleOutputStreamOperator<String> sensorDS = env.socketTextStream("node1", 9527);KafkaSink<String> kafkaSink = KafkaSink.<String>builder()// 指定 kafka 的地址和端口.setBootstrapServers("hadoop102:9092,hadoop103:9092,hadoop104:9092")// 指定序列化器：指定Topic名称、具体的序列化.setRecordSerializer(KafkaRecordSerializationSchema.<String>builder().setTopic("topic1").setValueSerializationSchema(new SimpleStringSchema()).build())// 写到kafka的一致性级别： 精准一次、至少一次.setDeliveryGuarantee(DeliveryGuarantee.EXACTLY_ONCE)// 如果是精准一次，必须设置 事务的前缀.setTransactionalIdPrefix("test-")// 如果是精准一次，必须设置 事务超时时间: 大于checkpoint间隔，小于 max 15分钟.setProperty(ProducerConfig.TRANSACTION_TIMEOUT_CONFIG, 10*60*1000+"").build();sensorDS.sinkTo(kafkaSink);env.execute();}
}

关于 Kafka Sink，如果要使用精准一次写入Kafka，需要满足以下条件，缺一不可

• 开启checkpoint（后续介绍）
• 设置事务前缀
• 设置事务超时时间： checkpoint间隔 < 事务超时时间 < max的15分钟

如果要指定写入kafka的key，可以自定义序列化器：

• 实现 一个接口，重写 序列化 方法
• 指定key，转成 字节数组
• 指定value，转成 字节数组
• 返回一个 ProducerRecord对象，把key、value放进去

public class SinkKafkaWithKey {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();env.setParallelism(1);env.enableCheckpointing(2000, CheckpointingMode.EXACTLY_ONCE);env.setRestartStrategy(RestartStrategies.noRestart());SingleOutputStreamOperator<String> sensorDS = env.socketTextStream("node1", 9527);/***指定写入kafka的key，可以自定义序列化器：*/KafkaSink<String> kafkaSink = KafkaSink.<String>builder().setBootstrapServers("hadoop102:9092,hadoop103:9092,hadoop104:9092").setRecordSerializer(new KafkaRecordSerializationSchema<String>() {@Nullable@Overridepublic ProducerRecord<byte[], byte[]> serialize(String element, KafkaSinkContext context, Long timestamp) {String[] datas = element.split(",");  //输入的测试数据格式为a,b,c，所以这里先分割一下byte[] key = datas[0].getBytes(StandardCharsets.UTF_8);byte[] value = element.getBytes(StandardCharsets.UTF_8);return new ProducerRecord<>("topic1", key, value);}}).setDeliveryGuarantee(DeliveryGuarantee.EXACTLY_ONCE).setTransactionalIdPrefix("test-").setProperty(ProducerConfig.TRANSACTION_TIMEOUT_CONFIG, 10 * 60 * 1000 + "").build();sensorDS.sinkTo(kafkaSink);env.execute();}
}

4、输出到MySQL（JDBC）

添加MySQL驱动依赖：

<dependency><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId><version>8.0.27</version>
</dependency>

再引入flink-jdbc连接器依赖：

<!-- .apache.flink/flink-connector-jdbc -->
<dependency><groupId>org.apache.flink</groupId><artifactId>flink-connector-jdbc</artifactId><version>3.1.1-1.17</version>
</dependency>

---

---

PS:

教学视频中提到了另一种情况，这里记录下。即：官方还未提供flink-connector-jdbc的某高版本的正式依赖，如1.17.0（当前时间已有），暂时从apache snapshot仓库下，因此引入依赖前，先在pom文件中指定仓库路径

<repositories><repository><id>apache-snapshots</id>  <!--这个id后面setting.xml里有用--><name>apache-snapshots</name><url>/</url></repository>
</repositories>

再引入flink-jdbc连接器依赖：

<dependency><groupId>org.apache.flink</groupId><artifactId>flink-connector-jdbc</artifactId><version>1.17-SNAPSHOT</version>
</dependency>

如果不生效，还需要修改本地maven的配置文件，mirrorOf中添加!apache-snapshots

<mirror><id>aliyunmaven</id><mirrorOf>*,!apache-snapshots</mirrorOf>   <!--即除了apache-snapshots，其余的都去阿里仓库下,!即排除，后面的名称是pom中定义的那个--><name>阿里云公共仓库</name><url>;/url>
</mirror>

---

---

根据你的数据类型，建立对应结构的表，这里根据要接收的自定义对象WaterSensor建表test：

mysql>     
CREATE TABLE `ws` (`id` varchar(100) NOT NULL,`ts` bigint(20) DEFAULT NULL,`vc` int(11) DEFAULT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

输出到MySQL的Demo代码：

public class SinkMySQL {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();env.setParallelism(1);SingleOutputStreamOperator<WaterSensor> sensorDS = env.socketTextStream("node01", 9527).map(new WaterSensorMapFunction());  //输入的信息映射转为自定义的WaterSensor实体类对象SinkFunction<WaterSensor> jdbcSink = JdbcSink.sink("insert into ws values(?,?,?)",new JdbcStatementBuilder<WaterSensor>() {@Overridepublic void accept(PreparedStatement preparedStatement, WaterSensor waterSensor) throws SQLException {//每收到一条WaterSensor，如何去填充占位符preparedStatement.setString(1, waterSensor.getId());preparedStatement.setLong(2, waterSensor.getTs());preparedStatement.setInt(3, waterSensor.getVc());}},JdbcExecutionOptions.builder().withMaxRetries(3) // 重试次数.withBatchSize(100) // 批次的大小：条数.withBatchIntervalMs(3000) // 批次的时间.build(),new JdbcConnectionOptions.JdbcConnectionOptionsBuilder().withUrl("jdbc:mysql://node01:3306/testDB?serverTimezone=Asia/Shanghai&useUnicode=true&characterEncoding=UTF-8").withUsername("root").withPassword("admin123").withConnectionCheckTimeoutSeconds(60) // 重试的超时时间.build());sensorDS.addSink(jdbcSink);env.execute();}
}

总结： 写入mysql时注意只能用老的sink写法： addsink，此外JdbcSink的4个参数：

• 第一个参数： 执行的sql，一般就是 insert into搭配占位符
• 第二个参数： 预编译sql对象， 对占位符填充值
• 第三个参数： 执行选项 ，比如批次大小、重试时间
• 第四个参数： 数据库连接选项 ， url、用户名、密码

运行，输入数据，查看MySQL：

5、自定义Sink输出

现有的Flink连接器不能满足需求时，需要自定义连接器进行输出。与Source类似，Flink提供了通用的SinkFunction接口和对应的RichSinkDunction抽象类，实现这个接口，就可通过DataStream的.addSink()方法自定义写入任何的外部存储。

public class MySinkFunction implements SinkFunction<String>{@Overridepublic void invoke(String value, Context context) throws Exception{//输出逻辑//value即流中的数据，来一条数据，invoke方法就被调用一次（所以不要在这里创建连接对象）//如果你的外部存储必须先创建连接对象，那就用富函数的生命周期方法去创建连接对象}
}

stream.addSink(new MySinkFunction<String>());

来一条数据，invoke方法就被调用一次，如果你的外部存储必须先创建连接对象，那就用富函数的生命周期方法去创建连接对象：

public class MySinkFunction implements RichSinkFunction<String>{Connection connection = null;@Overrdiepublic void open(Configuration parameters) throws Exception{connection = new xxConnection(xx);}@Overridepublic void close() throws Exception{super.close();}@Overridepublic void invoke(String value, Context context) throws Exception{//输出逻辑connection.executeXXX(xxx);}
}