原理+实践｜Exactly

编程入门行业动态更新时间:2024-10-10 18:21:44

原理+实践｜Exactly

全网最全大数据面试提升手册！

推荐阅读：

原理+实践｜Flink-Exactly-Once Kafka2Redis一致性实践

文章目录
一、Kafka输入输出流工具类
二、统计字符个数案例
三、消费者消费kafka的事务数据
四、总结与可能出现的问题

一、Kafka输入输出流工具类

代码如下（示例）：

//获取kafkaStream流public static <T> DataStream<T> getKafkaDataStream(ParameterTool parameterTool,Class<? extends DeserializationSchema> clazz,StreamExecutionEnvironment env) throws IllegalAccessException, InstantiationException {//加入到flink的环境全局配置中,后续可以通过上下文获取该工具类，总而得到想要的值env.getConfig().setGlobalJobParameters(parameterTool);//kafka配置项Properties properties = new Properties();properties.setProperty("bootstrap.servers", parameterTool.get("bootstrap.servers"));properties.setProperty("group.id",parameterTool.get("group.idsource"));properties.setProperty("auto.offset.reset",parameterTool.get("auto.offset.reset"));properties.setProperty("enable.automit",parameterTool.get("enable.automit", String.valueOf(false)));String topics = parameterTool.get("Consumertopics");//序列化类实例化DeserializationSchema<T> deserializationSchema = clazz.newInstance();FlinkKafkaConsumer<T> flinkKafkaConsumer = new FlinkKafkaConsumer<>(topics, deserializationSchema, properties);flinkKafkaConsumer.setStartFromEarliest();//开启kafka的offset与checkpoint绑定flinkKafkaConsumer.setCommitOffsetsOnCheckpoints(true);return env.addSource(flinkKafkaConsumer);}//获取kafka生产者通用方法/*** offsets.topic.replication.factor 用于配置offset记录的topic的partition的副本个数* transaction.state.log.replication.factor 事务主题的复制因子* transaction.state.log.min.isr 覆盖事务主题的min.insync.replicas配置** num.partitions 新建Topic时默认的分区数** default.replication.factor 自动创建topic时的默认副本的个数**** 注意：这些参数，设置得更高以确保高可用性！** 其中 default.replication.factor 是真正决定，topi的副本数量的* @param parameterTool* @param kafkaSerializationSchema* @param <T>* @return*/public static <T> FlinkKafkaProducer<T> getFlinkKafkaProducer(ParameterTool parameterTool,KafkaSerializationSchema<T> kafkaSerializationSchema){Properties properties = new Properties();properties.setProperty("bootstrap.servers", parameterTool.get("bootstrap.servers"));properties.setProperty("group.id",parameterTool.get("group.idsink"));
//        properties.setProperty("transaction.max.timeout.ms",parameterTool.get("transaction.max.timeout.ms"));properties.setProperty("transaction.timeout.ms",parameterTool.get("transaction.timeout.ms"));properties.setProperty("client.id", "flinkOutputTopicClient");String topics = parameterTool.get("Producetopice");return new FlinkKafkaProducer<T>(topics,kafkaSerializationSchema,properties, FlinkKafkaProducer.Semantic.EXACTLY_ONCE);}

注意点事项

一、消费者注意项

flinkKafkaConsumer.setCommitOffsetsOnCheckpoints(true)，将kafka自动提交offset关闭并且与flink的CheckPoint绑定
bootstrap.servers kafka的broker host
setStartFromEarliest()设置kafka的消息消费从最初位置开始

二、生产者注意项

transaction.timeout.ms 默认情况下Kafka Broker 将transaction.max.timeout.ms设置为15分钟，我们需要将此值设置低于15分钟
FlinkKafkaProducer.Semantic.EXACTLY_ONCE设置kafka为精确一次

二、统计字符个数案例

代码如下（示例）：

public static void main(String[] args) throws Exception {//1.创建流式执行环境StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();//2.设置并行度env.setParallelism(4);//3.设置CK和状态后端CkAndStateBacked.setCheckPointAndStateBackend(env,"FS");//4.获取kafkaStream流InputStream kafkaPropertiesStream = KafkaToKafkaExacitly.class.getClassLoader().getResourceAsStream("kafka.properties");ParameterTool parameterTool=ParameterTool.fromPropertiesFile(kafkaPropertiesStream);//将配置流放到全局flink运行时环境env.getConfig().setGlobalJobParameters(parameterTool);SimpleStringSchema simpleStringSchema = new SimpleStringSchema();Class<? extends SimpleStringSchema> stringSchemaClass = simpleStringSchema.getClass();DataStream<String> kafkaDataStream = KafkaUtil.getKafkaDataStream(parameterTool, stringSchemaClass, env);System.out.println("==================================================");kafkaDataStream.print();//5.map包装成value,1SingleOutputStreamOperator<Tuple2<String, Integer>> tupleStream = kafkaDataStream.map(new MapFunction<String, Tuple2<String, Integer>>() {@Overridepublic Tuple2<String, Integer> map(String value) throws Exception {if("error".equals(value)){throw new RuntimeException("发生异常！！！");}return new Tuple2<>(value, 1);}});tupleStream.print();//6.按照value进行分组，并且统计value的个数SingleOutputStreamOperator<Tuple2<String, Integer>> reduceStream = tupleStream.keyBy(new KeySelector<Tuple2<String, Integer>, String>() {@Overridepublic String getKey(Tuple2<String, Integer> value) throws Exception {return value.f0;}}).reduce(new ReduceFunction<Tuple2<String, Integer>>() {@Overridepublic Tuple2<String, Integer> reduce(Tuple2<String, Integer> value1, Tuple2<String, Integer> value2) throws Exception {return new Tuple2<>(value1.f0, value1.f1 + value2.f1);}});System.out.println("=====================================================");reduceStream.print();//7.将数据输出到kafkaFlinkKafkaProducer<Tuple2<String, Integer>> flinkKafkaProducer = KafkaUtil.getFlinkKafkaProducer(parameterTool, new KafkaSerializationSchema<Tuple2<String, Integer>>() {@Overridepublic void open(SerializationSchema.InitializationContext context) throws Exception {System.out.println("=========正在向KafkaProduce输出数据！！！=============");}@Overridepublic ProducerRecord<byte[], byte[]> serialize(Tuple2<String, Integer> element, @Nullable Long timestamp) {String producetopics = parameterTool.get("Producetopice");String result = element.toString();return new ProducerRecord<byte[], byte[]>(producetopics, result.getBytes(StandardCharsets.UTF_8));}});reduceStream.addSink(flinkKafkaProducer).name("kafkasinktest").uid("kafkasink");//任务执行env.execute("KafkaToKafkaTest");}

注意事项：
这里使用的是本地FSstateBackend,注意你的路径的设置，以hdfs://或者file://为地址标识符，否则Flink的文件系统将无法识别。

三、消费者消费kafka的事务数据

ublic static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();Properties sourceProperties = new Properties();sourceProperties.setProperty("bootstrap.servers", "*****");sourceProperties.setProperty("group.id", "****");//端到端一致性：消费数据时需要配置isolation.level=read_committed(默认值为read_uncommitted)sourceProperties.put("isolation.level", "read_committed");FlinkKafkaConsumer<String> ConsumerKafka = new FlinkKafkaConsumer<>("*****", new SimpleStringSchema(), sourceProperties);ConsumerKafka.setStartFromEarliest();DataStreamSource<String> dataStreamSource = env.addSource(ConsumerKafka);dataStreamSource.print();env.execute();}

isolation.level这里设置为read_committed（默认为read_uncommitted）这里可以看到以你CheckPoint设置的时间，来批量展示kafka生产者的消息。

四、总结与可能出现的问题

以上是flink 实现kafka的精确一次的测试例子，这里还有一点要注意，就是小伙伴们的kafka的配置里面。

offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1
default.replication.factor=1

这四个参数里面default.replication.factor是你kafka真正每个topic的副本数量，但是在开启事务也就是flink的addsink的时候会默认继承两阶段提交的方式，这里transaction.state.log.replication.factor一定要大于或者等于transaction.state.log.min.isr，否则你的kafka集群不满足事务副本复制的基本属性，会一直不成功，那么你的CheckPoint就会超时过期，从而导致任务的整体失败。

kafka集群第一次有消费者消费消息时会自动创建 __consumer_offsets，它的副本因子受 offsets.topic.replication.factor 参数的约束，默认值为3（注意：该参数的使用限制在0.11.0.0版本发生变化），分区数可以通过 offsets.topic.num.partitions 参数设置，默认值为50，在开启事务性的情况下就会首先会获得一个全局的TransactionCoordinator id和transactional producer并且生成唯一的序列号等类似于一下的例子来唯一标识当前事务的消息对应的offset，以及标识。

[2022-03-24 21:07:40,022] INFO [TransactionCoordinator id=0] Initialized transactionalId Keyed Reduce -> (Sink: Print to Std. Out, Sink: kafkasinktest)-b0c5e26be6392399cc3c8a38581a81c2-8 with producerId 11101 and producer epoch 8 on partition __transaction_state-18 (kafka.coordinator.transaction.TransactionCoordinator)

当flink任务出现异常的情况下，kafka会把以及提交但是未标记可以消费的数据直接销毁，或者正常的情况下，会正式提交（本质是修改消息的标志位），之后对于消费者在开启isolation.level的时候就可以读取以及标记为可以读取的message。

如果这个文章对你有帮助，不要忘记 「在看」 「点赞」 「收藏」 三连啊喂！

2022年全网首发|大数据专家级技能模型与学习指南(胜天半子篇)

互联网最坏的时代可能真的来了

我在B站读大学，大数据专业

我们在学习Flink的时候，到底在学习什么？

193篇文章暴揍Flink，这个合集你需要关注一下

Flink生产环境TOP难题与优化，阿里巴巴藏经阁YYDS

Flink CDC我吃定了耶稣也留不住他！| Flink CDC线上问题小盘点

我们在学习Spark的时候，到底在学习什么？

在所有Spark模块中，我愿称SparkSQL为最强！

硬刚Hive | 4万字基础调优面试小总结