flink处理数据从kafka到另外一个kafka

需求

需求就是将流量数据(json格式)中某个接口数据抽取一下。如:有个identityUri="yiyang/user/getById/13782" , 这里的13782,是个userId,我们需要将其处理成 identityUri="yiyang/user/getById/{}"

关于接口抽取,有两种方式:

  1. 使用正则替换。正则替换不全,而且有风险,可能会被误替换
  2. 如果能拿到swagger的接口列表,我们可以根据前缀树算法来进行匹配替换(推荐)。这种不会被误替换,但是如果增加接口,我们需要更新swagger的接口数据

实际上我们生产中是将二者接口使用的。先使用2,如果没有匹配到,在使用1

这里是演示flink kafka的用法,我们简单使用正则处理

依赖jar包

<properties>
        <flink.version>1.12.0</flink.version>
        <java.version>1.8</java.version>
        <scala.binary.version>2.11</scala.binary.version>
    </properties>

    <dependencies>
        <!--  kafka连接器 -->
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-connector-kafka_${scala.binary.version}</artifactId>
            <version>${flink.version}</version>
        </dependency>

        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.75</version>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-scala_${scala.binary.version}</artifactId>
            <version>1.12.2</version>
        </dependency>
        <dependency>
            <artifactId>flink-clients_${scala.binary.version}</artifactId>
            <groupId>org.apache.flink</groupId>
            <version>${flink.version}</version>
        </dependency>
        <dependency>
            <groupId>ch.qos.logback</groupId>
            <artifactId>logback-classic</artifactId>
            <version>1.2.3</version>
        </dependency>
    </dependencies>

编写代码

package com.liufei.flink;

import com.alibaba.fastjson.JSONObject;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.util.Properties;

public class ConsumeKafkaTest {

    private static final Logger log = LoggerFactory.getLogger(ConsumeKafkaTest.class);

    public static void main(String[] args) {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        // checkpoint
        // env.enableCheckpointing(10 * 1000L);

        Properties prop = new Properties();
        prop.setProperty("bootstrap.servers", "192.168.18.144:9092"); // kafka地址
        prop.setProperty("group.id", "consumer_flink");

        // 消费消息的topic
        String consumeTopic = "yiyang";
        FlinkKafkaConsumer<String> kafkaConsumer = new FlinkKafkaConsumer<>(
                consumeTopic, new SimpleStringSchema(), prop);
        // 从最新的数据开始消费
        // kafkaConsumer.setStartFromLatest();
        kafkaConsumer.setStartFromGroupOffsets();

        // sink的topic
        String produceTopic = "yiyang_sink";
        FlinkKafkaProducer<String> kafkaProducer = new FlinkKafkaProducer<>(
                produceTopic, new SimpleStringSchema(), prop);

        env.addSource(kafkaConsumer)
                .flatMap(new FlatMapFunction<String, String>() {
                    @Override
                    public void flatMap(String content, Collector<String> collector) throws Exception {
                        log.info("Flink msg: {}", content);
                        JSONObject jsonObject = JSONObject.parseObject(content);
                        jsonObject.put("identityUri", replaceUri(jsonObject.getString("identityUri")));
                        String contentSink = jsonObject.toJSONString();
                        log.info("Flink sink: {}", contentSink);
                        collector.collect(contentSink);
                    }
                })
                .addSink(kafkaProducer)
                .setParallelism(2);

        try {
            env.execute("My Flink Test");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    /**
     * 接口抽取
     * @param identityUri
     * @return
     */
    private static String replaceUri(String identityUri) {
        if (identityUri == null) {
            return null;
        }
        return identityUri.replaceAll("[0-9]+", "{}");
    }
}

注意:kafka消费的方式是: kafkaConsumer.setStartFromGroupOffsets();

  • 从最早位点开始消费
consumer.setStartFromEarliest();
  • 从指定时间点开始消费
consumer.setStartFromTimestamp(1559801580000l);
  • 从最新的数据开始消费
# 如果消费组中之前有没有消费的消息,则不会被消费,会重置offset成最新的值,这种情况会导致消息丢失。一般不用这个,用下面的
consumer.setStartFromLatest();
2022-07-03 18:31:07.029 INFO  PID_IS_UNDEFINED --- [Kafka Fetcher for Source: Custom Source -> Flat Map (8/8)#0] o.a.k.clients.consumer.internals.SubscriptionState - [Consumer clientId=consumer-consumer_flink-15, groupId=consumer_flink] Resetting offset for partition yiyang-0 to offset 22.
2022-07-03 18:31:12.093 INFO  PID_IS_UNDEFINED --- [Kafka Fetcher for Source: Custom Source -> Flat Map (8/8)#0] o.a.k.c.consumer.internals.AbstractCoordinator - [Consumer clientId=consumer-consumer_flink-15, groupId=consumer_flink] Discovered group coordinator 192.168.18.144:9092 (id: 2147483647 rack: null)

看下上面的启动日志,有这样的信息:Resetting offset for partition yiyang-0 to offset 22.

  • 从上次消费位点开始消费
consumer.setStartFromGroupOffsets();

验证

我们另外启动一个程序,发送消息,并消费两个topic中的数据

{"ip":"127.0.0.5","identityUri":"yiyang/user/getById/13782"}

看下 ConsumeKafkaTest 中的日志

2022-07-03 18:58:48.594 INFO  PID_IS_UNDEFINED --- [Legacy Source Thread - Source: Custom Source -> Flat Map (8/8)#0] com.liufei.flink.ConsumeKafkaTest - Flink msg: {"ip":"127.0.0.5","identityUri":"yiyang/user/getById/13782"}
2022-07-03 18:58:48.655 INFO  PID_IS_UNDEFINED --- [Legacy Source Thread - Source: Custom Source -> Flat Map (8/8)#0] com.liufei.flink.ConsumeKafkaTest - Flink sink: {"ip":"127.0.0.5","identityUri":"yiyang/user/getById/{}"}

在看下另外一个服务(消费两个topic数据)的日志:


image.png

说明已经成功的把处理好的消息发送到另外一个topic中了

扩展

关于数据处理,如果只是简单的增加字段,减少字段,正则替换,也可以使用logstash工具

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,165评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,720评论 1 298
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,849评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,245评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,596评论 3 288
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,747评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,977评论 2 315
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,708评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,448评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,657评论 2 249
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,141评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,493评论 3 258
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,153评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,108评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,890评论 0 198
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,799评论 2 277
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,685评论 2 272

推荐阅读更多精彩内容