目录
方式2:在 sql-client.sh 中添加 jar包依赖
使用 'format' = 'json' 解析json格式的消息
使用 'format' = 'csv' 解析csv格式的消息
使用 'format' = 'raw' 解析kafka消息为单个字符串字段
Kafka 连接器提供从 Kafka topic 中消费和写入数据的能力。
官网链接:官网
- <dependency>
- <groupId>org.apache.flinkgroupId>
- <artifactId>flink-connector-kafkaartifactId>
- <version>1.17.1version>
- dependency>
将 flink-sql-connector-kafka-1.17.1.jar 上传到flink的lib目录下 (可以去官网下载jar包)
或者 启动 sql-client.sh 时,指定jar依赖
bin/sql-client.sh -j lib/flink-sql-connector-kafka-1.17.1.jar
- CREATE TABLE SourceKafkaTable (
- 指定物理字段,
- 指定元数据字段,
- 指定水位线生成策略
- ) WITH (
- 'connector' = 'kafka', --【必选】指定 连接器类型,kafka用'kafka'
- 'properties.bootstrap.servers' = 'localhost:9092', --【必选】指定 Kafka broker列表,用逗号分隔
- 'topic' = 'user_behavior', --【必选】指定 topic列表,用逗号分隔
- 'topic-pattern' = '.*log_kafka.*', --【必选】指定 匹配读取 topic 名称的正则表达式, 和 topic 配置一个即可
- 'properties.group.id' = 'testGroup', --【可选】指定 消费者组id,不指定时会自定生成 KafkaSource-{tableIdentifier}
- 'scan.startup.mode' = 'earliest-offset', --【可选】指定起始消费位点,默认值 earliest-offset
- 'format' = 'csv' --【必选】指定 消息的格式类型, 和 value.format 是等价的(配置一个即可)
- );
在FlinkSQL读取kafka时,可以根据kafka存储的消息的格式,通过 'value.format' = 'csv|raw|json...'
来指定使用哪种格式来对kafka消息进行解析,并将解析的结果映射到表中的字段中去。
当 kafka消息为json格式,可以使用 'format' = 'json' 在创建表时对json串进行解析,并将解析后的结果映射到表中的字段中去
注意:这种方式只能解析单层级的json格式,多层级时无法解析
如果为多层级json格式时,可以使用raw格式 + udf函数来对json进行解析
导入Maven的pom依赖
- <dependency>
- <groupId>org.apache.flinkgroupId>
- <artifactId>flink-jsonartifactId>
- <version>1.17.1version>
- dependency>
创建FlinkTable
- -- TODO 创建用于读取kafka消息的flink表(消息格式为json)
- -- kafka消息示例:{"ID":0,"NAME":"大王0"}
- CREATE TABLE kafka_table_source_json (
- `ID` STRING,
- `NAME` STRING
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = '20231009',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'earliest-offset',
- 'format' = 'json',
- 'json.fail-on-missing-field' = 'false',
- 'json.ignore-parse-errors' = 'true'
- );
-
- -- TODO 解析json串时,容错性设置
- 'json.fail-on-missing-field' = 'false' -- 当解析字段缺失时,是跳过当前字段或行,还是抛出错误失败(默认为 false,即抛出错误失败)
- 'json.ignore-parse-errors' = 'true' -- 当解析异常时,是跳过当前字段或行,还是抛出错误失败(默认为 false,即抛出错误失败)。如果忽略字段的解析异常,则会将该字段值设置为null。
-
- -- 触发读取kafka操作
- select * from kafka_table_source_json;
运行结果:
当 kafka消息为csv格式,可以使用 'format' = 'csv' 在创建表时对csv进行解析,并将解析后的结果映射到表中的字段中去
导入Maven的pom依赖
- <dependency>
- <groupId>org.apache.flinkgroupId>
- <artifactId>flink-csvartifactId>
- <version>1.17.1version>
- dependency>
创建FlinkTable
- -- TODO 创建用于读取kafka消息的flink表(消息格式为csv)
- -- kafka消息示例:2,3.1
- CREATE TABLE kafka_table_source_csv (
- `order_id` BIGINT,
- `price` DOUBLE
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = 'csv_format',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'earliest-offset',
- 'value.format' = 'csv'
- );
-
- -- 触发读取kafka操作
- select * from kafka_table_source_csv;
运行结果:
可以使用 'format' = 'raw' 将kafka消息以原始格式映射到flink表中的string类型的字段中
创建FlinkTable
- -- TODO 创建用于读取kafka消息的flink表(消息格式为json)
- -- kafka消息示例:{"ID":0,"NAME":"大王0"}
- CREATE TABLE kafka_table_source_raw (
- `log` STRING
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = '20231009',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'earliest-offset',
- 'format' = 'raw'
- );
-
- -- 触发读取kafka操作
- select * from kafka_table_source_raw;
运行结果:
kafka消息信息:
- {
- "key":{
- "ID_1":0,
- "NAME_1":"大王0"
- },
- "value":{
- "ID":0,
- "NAME":"大王0"
- },
- "metadata":{
- "offset":0,
- "topic":"readKey",
- "partition":0
- }
- }
创建FlinkTable
- -- 读取kafka消息中的key部分
- CREATE TABLE kafka_table_source_read_key (
- `ID` STRING,
- `NAME` STRING,
- `ID_1` STRING,
- `NAME_1` STRING
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = 'readKey',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'earliest-offset',
- 'key.format' = 'json',
- 'key.json.ignore-parse-errors' = 'true',
- 'key.fields' = 'ID_1;NAME_1',
- 'value.format' = 'json'
- );
创建FlinkTable
- -- TODO 创建读取kafka表时,同时读取kafka元数据字段
- CREATE TABLE kafka_table_source_read_metadata (
- `log` STRING,
- `topic` STRING METADATA VIRTUAL, -- 消息所属的 topic
- `partition` BIGINT METADATA VIRTUAL, -- 消息所属的 partition ID
- `offset` BIGINT METADATA VIRTUAL, -- 消息在partition中的 offset
- `timestamp` TIMESTAMP(3) METADATA FROM 'timestamp' -- 消息的时间戳
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = 'readKey',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'earliest-offset',
- 'format' = 'raw'
- );
-
- select * from kafka_table_source_read_metadata;
scan.startup.mode
配置项决定了 Kafka consumer 的启动模式。有效值为:
group-offsets
:从 Zookeeper/Kafka 中某个指定的消费组已提交的偏移量开始。earliest-offset
:从可能的最早偏移量开始。latest-offset
:从最末尾偏移量开始。timestamp
:从用户为每个 partition 指定的时间戳开始。
timestamp
,必须使用另外一个配置项 scan.startup.timestamp-millis=时间戳(毫秒值)
specific-offsets
:从用户为每个 partition 指定的偏移量开始。
specific-offsets
,必须使用另外一个配置项 scan.startup.specific-offsets
来为每个 partition 指定起始偏移量, 例如,选项值 partition:0,offset:42;partition:1,offset:300
表示 partition 0
从偏移量 42
开始,partition 1
从偏移量 300
开始默认值 group-offsets
表示从 Zookeeper/Kafka 中最近一次已提交的偏移量开始消费。
- // --------------------------------------------------------------------------------------------
- // TODO 从指定的timestamp开始消费
- // --------------------------------------------------------------------------------------------
- drop table kafka_table_source_test_startup_timestamp;
- CREATE TABLE kafka_table_source_test_startup_timestamp (
- `log` STRING,
- `ts` TIMESTAMP(3) METADATA FROM 'timestamp',
- `offset` BIGINT METADATA VIRTUAL
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = '20231009',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'timestamp', -- 从用户为每个 partition 指定的时间戳开始
- 'scan.startup.timestamp-millis' = '1697008386973', -- 从 指定的timestamp开始(包括)消费
- 'value.format' = 'raw'
- );
-
- select *
- ,cast(UNIX_TIMESTAMP(cast(ts as string), 'yyyy-MM-dd HH:mm:ss.SSS') as string) || SPLIT_INDEX(cast(ts as string),'.',1) as timestamp_hmz
- from kafka_table_source_test_startup_timestamp;
运行结果:
- // --------------------------------------------------------------------------------------------
- // TODO 从指定的offset开始消费
- // --------------------------------------------------------------------------------------------
- drop table kafka_table_source_test_startup_offsets;
- CREATE TABLE kafka_table_source_test_startup_offsets (
- `log` STRING,
- `ts` TIMESTAMP(3) METADATA FROM 'timestamp',
- `offset` BIGINT METADATA VIRTUAL
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = '20231009',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'specific-offsets', -- 从用户为每个 partition 指定的偏移量开始
- 'scan.startup.specific-offsets' = 'partition:0,offset:4', -- 为每个 partition 指定起始偏移量
- 'value.format' = 'raw'
- );
-
- select * from kafka_table_source_test_startup_offsets;
运行结果:
- // --------------------------------------------------------------------------------------------
- // TODO 创建 kafka表时,添加水位线生成策略
- // --------------------------------------------------------------------------------------------
- drop table kafka_table_source_test_watermark;
- CREATE TABLE kafka_table_source_test_watermark (
- `log` STRING,
- `event_time` TIMESTAMP(3) METADATA FROM 'timestamp',
- `offset` BIGINT METADATA VIRTUAL,
- WATERMARK FOR event_time AS event_time -- 根据kafka的timestamp,生成水位线,使用 严格递增时间戳水位线生成策略
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = '20231009',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'specific-offsets', -- 从用户为每个 partition 指定的偏移量开始
- 'scan.startup.specific-offsets' = 'partition:0,offset:4', -- 为每个 partition 指定起始偏移量
- 'value.format' = 'raw'
- );
-
- select * from kafka_table_source_test_watermark;
- // --------------------------------------------------------------------------------------------
- // TODO 通过flinksql向kafka写入数据(写入时指定 timestamp)
- // --------------------------------------------------------------------------------------------
- drop table kafka_table_source_test_startup_mode;
- CREATE TABLE kafka_table_source_test_startup_mode (
- `order_id` BIGINT,
- `price` DOUBLE,
- `ts` TIMESTAMP(3) METADATA FROM 'timestamp',
- `offset` BIGINT METADATA VIRTUAL
- ) WITH (
- 'connector' = 'kafka',
- 'topic' = '20231011',
- 'properties.bootstrap.servers' = 'worker01:9092',
- 'properties.group.id' = 'FlinkConsumer',
- 'scan.startup.mode' = 'earliest-offset',
- 'value.format' = 'csv'
- );
-
- insert into kafka_table_source_test_startup_mode(order_id, price,ts)
- SELECT * FROM (VALUES
- (1, 2.0,TO_TIMESTAMP_LTZ(1000, 3))
- , (2, 4.0,TO_TIMESTAMP_LTZ(2000, 3))
- , (3, 6.0,TO_TIMESTAMP_LTZ(3000, 3))
- , (4, 7.0,TO_TIMESTAMP_LTZ(4000, 3))
- , (5, 8.0,TO_TIMESTAMP_LTZ(5000, 3))
- , (6, 10.0,TO_TIMESTAMP_LTZ(6000, 3))
- , (7, 12.0,TO_TIMESTAMP_LTZ(7000, 3))
- ) AS book (order_id, price,ts);
-
- -- 触发读取kafka操作
- select * from kafka_table_source_test_startup_mode;