导读:
基于真实的企业业务场景,将线上实时数据更好更快地转化为 AI 可用特征是加速人工智能落地的有效路径之一。因此,OpenMLDB 积极打通数据生态上游,继面向实时消息队列 Pulsar、分布式流处理平台 Kafka 的两款 connector 发布后,OpenMLDB 和 RocketMQ 合作推出 RocketMQ OpenMLDB Connector,助力实时数据到特征工程的高速传输,加速人工智能工程化落地。
未来 OpenMLDB 社区也将推出面向 Flink 的 connector,为开发者提供丰富的实时数据生态,为各类应用场景赋予高效特征工程能力。
为了使 OpenMLDB 与 RocketMQ 拥有高效稳定的传输通道,RocketMQ OpenMLDB connector 具有诸多优秀特性,包括但不限于:
• 易上手。无需编写任何代码,只需进行简单配置,便可通过 RocketMQ OpenMLDB Connector 将 RocketMQ 的消息流入 OpenMLDB 。简化的数据导入过程能大幅提升企业数据的有效使用率。
• 易部署。能够根据不同场景的实际业务需求,选择在单机或集群上运行 RocketMQ OpenMLDB Connector ,助力企业构建实时数据管道。
• 高可靠。RocketMQ OpenMLDB Connector 集群部署的方式具备 Failover 能力,可以将有问题节点的任务调度到正常节点并保证集群负载均衡,使企业能更专注和更高效地探索数据的商业价值。
• 低延时。秒级延迟,满足实时数据及特征开发场景。
RocketMQ Connect 是 RocketMQ 数据集成重要组件,它具备具有低延时,可靠性,高性能,低代码,扩展性强等特点,可以实现各种异构数据系统的连接,构建数据管道,ETL,CDC,数据湖等能力。RocketMQ OpenMLDB Connector 是一个用于在 RocketMQ 和 OpenMLDB 之间可扩展的、可靠的流式传输数据的工具。让 RocketMQ 及 RocketMQ connect 生态组件导入数据到 OpenMLDB 变得简单。
可以使 RocketMQ 的消息流入 OpenMLDB 在线存储。
RocketMQ OpenMLDB Connector
$ git clone git@github.com:apache/rocketmq-connect.git
$ cd rocketmq-connect/connectors/rocketmq-connect-jdbc/
$ mvn clean package -Dmaven.test.skip=true
最终将编译好的插件包放在 RocketMQ connect 指定的加载地址。
流程介绍 RocketMQ OpenMLDB Connector 用于 OpenMLDB 线上模式的实时数据流接入。使用 connector 的简要流程,如下图所示。我们接下来将详细介绍每一步。整体上,使用流程可以概括为四步:
• 启动 OpenMLDB 并创建数据库
• 启动 RocketMQ 并创建 topic
• 启动 RocketMQ OpenMLDB Connector
• 进行测试或者正常使用
关键步骤
以下仅列出使用此 connector 的关键步骤
步骤1 | 启动 OpenMLDB
启动 OpenMLDB,并创建数据库 rocketmq_test,用于测试。表可以被 RocketMQ Connector 自动创建,所以这里不需要手动创建表。
cd /work
./init.sh
echo "create database rocketmq_test;" | /work/openmldb/bin/openmldb --zk_cluster=127.0.0.1:2181 --zk_root_path=/openmldb --role=sql_client
步骤2 | 启动 RocketMQ
RocketMQ 搭建,启动 RocketMQ
1、下载RocketMQ
$ wget https://dlcdn.apache.org/rocketmq/4.9.3/rocketmq-all-4.9.3-source-release.zip
2、编译RocketMQ
如果是已经编译好的请直接执行第3部启动RocketMQ
$ unzip rocketmq-all-4.9.3-source-release.zip
$ cd rocketmq-all-4.9.3/
$ mvn -Prelease-all -DskipTests clean install -U
$ cd distribution/target/rocketmq-4.9.3/rocketmq-4.9.3
3、启动RocketMQ
启动namesrv
$ nohup sh bin/mqnamesrv &
查看namesrv是否启动成功
$ tail -f ~/logs/rocketmqlogs/namesrv.log
The Name Server boot success...
启动broker
$ nohup sh bin/mqbroker -n localhost:9876 &
查看broker是否启动成功
$ tail -f ~/logs/rocketmqlogs/broker.log
The broker[%s, 172.30.30.233:10911] boot success...
步骤3 | 启动 RocketMQ OpenMLDB Connector
首先, 搭建 RocketMQ connect runtime
环境项目下载
$ git clone git@github.com:apache/rocketmq-connect.git
构建项目
$ cd rocketmq-connect
$ mvn -Prelease-connect -DskipTests clean install -U
修改配置connect-standalone.conf
,重点配置如下
$ cd distribution/target/rocketmq-connect-0.0.1-SNAPSHOT/rocketmq-connect-0.0.1-SNAPSHOT
$ vim conf/connect-standalone.conf
# 当前的节点的独特Id
workerId=DEFAULT_WORKER_1
# REST API的端口地址
httpPort=8081
# 本地存储路径
storePathRootDir=~/storeRoot
# 需要修改为自己的rocketmq NameServer的端口地址
# Rocketmq namesrvAddr
namesrvAddr=127.0.0.1:9876
#需要修改为connector-plugins文件夹所在的位置
# Source or sink connector jar file dir
pluginPaths=/usr/local/connector-plugins/
我们需要将 OpenMLDB RocketMQ Connector 编译好的包放入这个目录。命令如下:
mkdir -p /usr/local/connector-plugins/rocketmq-connect-jdbc
cd ../../../../
cp connectors/rocketmq-connect-jdbc/target/rocketmq-connect-jdbc-0.0.1-SNAPSHOT-jar-with-dependencies.jar /usr/local/connector-plugins/rocketmq-connect-jdbc
使用 standalone 的模式启动 RocketMQ Connect Runtime 环境。
$ cd distribution/target/rocketmq-connect-0.0.1-SNAPSHOT/rocketmq-connect-0.0.1-SNAPSHOT
$ sh bin/connect-standalone.sh -c conf/connect-standalone.conf &
以下表示 Rocketmq connect runtime 运行成功:
步骤4 | 测试
• 创建 Mysql 数据表 ,并初始化测试数据
• 创建 mysql source, 从测试表中拉取数据
• 创建 OpenMLDB sink,将 source 拉取的数据写入到 OpenMLDB 中
初始化 Mysql 测试数据;
SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;
-- ----------------------------
-- Table structure for employee_test
-- ----------------------------
DROP TABLE IF EXISTS `employee_test`;
CREATE TABLE `employee_test` (
`id` bigint NOT NULL AUTO_INCREMENT,
`name` varchar(128) DEFAULT NULL,
`howold` int DEFAULT NULL,
`male` int DEFAULT NULL,
`company` varchar(128) DEFAULT NULL,
`money` double DEFAULT NULL,
`begin_time` datetime DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8;
-- ----------------------------
-- Records of employee_test
-- ----------------------------
BEGIN;
INSERT INTO `employee_test` VALUES (2, 'name-02', 19, 7, 'company', 32232, '2021-12-29 08:00:00');
INSERT INTO `employee_test` VALUES (4, 'gjk', 25, 8, 'company', 3232, '2021-12-24 20:43:36');
INSERT INTO `employee_test` VALUES (12, 'name-06', 19, 3, NULL, NULL, NULL);
INSERT INTO `employee_test` VALUES (14, 'name-08', 25, 15, 'company', 32255, '2022-02-08 19:06:39');
COMMIT;
SET FOREIGN_KEY_CHECKS = 1;
创建并启动 RocketMQ conect mysql source connector ,如下所示:
curl -X POST -H "Content-Type: application/json" http://127.0.0.1:8082/connectors/jdbc-mysql-source-test
-d '{
"connector-class":"org.apache.rocketmq.connect.jdbc.connector.JdbcSourceConnector",
"max-task":"1",
"connection.url":"jdbc:mysql://127.0.0.1:3306",
"connection.user":"*****",
"connection.password":"*****",
"table.whitelist":"test_database.employee_test",
"mode": "incrementing", // 增量拉取方式
"incrementing.column.name":"id", // 指定增量拉取的字段
"source-record-converter":"org.apache.rocketmq.connect.runtime.converter.JsonConverter"
}'st
确认任务启动并开始拉取数据:
建立一个 OpenMLDB RocketMQ sink connector 将数据写入到 OpenMLDB 表中,信息如下。(注:监听的 Topic 为 source 拉取表的表名)
curl -X POST -H "Content-Type: application/json" http://127.0.0.1:8082/connectors/jdbc-openmldb-sink-test
-d '{
"connector-class":"org.apache.rocketmq.connect.jdbc.connector.JdbcSinkConnector",
"max-task":"1",
"connect-topicname":"employee_test",
"connection.url":"jdbc:openmldb:///rocketmq_test?zk=127.0.0.1:2181&zkPath=/openmldb_cluster",
"insert.mode":"INSERT",
"db.timezone":"UTC",
"table.types":"TABLE",
"auto.create":"true",
"source-record-converter":"org.apache.rocketmq.connect.runtime.converter.JsonConverter"
}'
观察数据是否入库然后,我们可以在 OpenMLDB 中查询是否插入成功。内容如下:
set @@execute_mode='online';
use rocketmq_test;
select * from employee_test;
结果如下:
OpenMLDB 是一个开源机器学习数据库,致力于闭环解决 AI 工程化落地的数据治理难题。自 2021 年 6 月开源以来,OpenMLDB 优先发布了特征数据治理能力,依托 SQL 的开发能力,为企业提供全栈功能的、低门槛特征数据计算和管理平台。
OpenMLDB 包含 Feature Store 的全部功能,并且提供更为完整的 FeatureOps 全栈方案。除了提供特征存储功能,还具有基于 SQL 的低门槛数据库开发体验、面向特征计算优化的 OpenMLDB Spark 发行版,针对实时特征计算优化的索引结构,特征上线服务、企业级运维和管理等功能,让特征工程开发回归于本质——专注于高质量的特征计算脚本开发,不再被工程化效率落地所羁绊。
Apache RocketMQ 是一款由阿里巴巴开源的低延迟、高并发、高可用、高可靠,可支撑万亿级数据洪峰的分布式消息中间件。2016 年阿里巴巴正式将 RocketMQ 捐献给 Apache 基金会,2017 年毕业成为 Apache 顶级开源项目。在中国,目前 Apache RocketMQ 已经被 75% 以上的互联网及金融公司所使用,国内包括阿里云在内的 10+ 云厂商均提供了 RocketMQ 商业服务,全球超过 500 位贡献者参与其中,近乎成为成为业务消息领域首选消息平台。
随着云原生时代的到来,Apache RocketMQ 进行了全面的架构升级,5.0 版本的发布,标志着 RocketMQ 从Messaging 平台升级为云原生事件、消息流融合处理平台,用以帮助用户轻松构建事件驱动服务,满足轻量级计算诉求,放大数据价值。
为更好降低开发者使用 OpenMLDB 的门槛,OpenMLDB 社区将持续打造面向上下游技术组件的生态圈,为开发者提供更多简单易用的生态 Connector。
• 面向线上数据生态,如 Pulsar(已完成),Kafka(已完成),RocketMQ(已完成),Flink,RabbitMQ 等
• 面向离线数据生态,如 HDFS,HBase,Cassandra,S3 等
• 面向模型构建的算法、框架,如 XGBoost,LightGBM,TensorFlow,PyTorch,Scikit Learn 等
• 面向机器学习建模全流程的调度框架、部署工具,如 DolphinScheduler(已完成),Airflow,Kubeflow,Prometheus,Grafana 等
Apache RocketMQ Quick Start
https://rocketmq.apache.org/docs/quick-start/
Apache RocketMQ Connect
https://github.com/apache/rocketmq-connect
OpenMLDB 官网
https://openmldb.ai
OpenMLDB github 主页
https://github.com/4paradigm/OpenMLDB
OpenMLDB 文档 快速上手
https://openmldb.ai/docs/zh/v0.5/quickstart/index.html
OpenMLDB 微信交流群