基于SpringBoot 使用 Flink 收发Kafka消息（）

2023-03-23 20:23:18 分类：java 阅读()

　　本篇文章为你整理了基于SpringBoot 使用 Flink 收发Kafka消息（）的详细内容，包含有 基于SpringBoot 使用 Flink 收发Kafka消息，希望能帮助你了解 基于SpringBoot 使用 Flink 收发Kafka消息。

　　这周学习下Flink相关的知识，学习到一个读写Kafka消息的示例， 自己动手实践了一下，别人示例使用的是普通的Java Main方法，没有用到spring boot. 我们在实际工作中会使用spring boot。 因此我做了些加强， 把流程打通了，过程记录下来。

　　首先我们通过docker安装一个kafka服务，参照Kafka的官方指导文档
 

　　https://developer.confluent.io/tutorials/kafka-console-consumer-producer-basics/kafka.html
 

　　主要的是有个docker-compose.yml文件

　　

---

 

　　version: 2

　　services:

　　 zookeeper:

　　 image: confluentinc/cp-zookeeper:7.3.0

　　 hostname: zookeeper

　　 container_name: zookeeper

　　 ports:

　　 - "2181:2181"

　　 environment:

　　 ZOOKEEPER_CLIENT_PORT: 2181

　　 ZOOKEEPER_TICK_TIME: 2000

　　 broker:

　　 image: confluentinc/cp-kafka:7.3.0

　　 hostname: broker

　　 container_name: broker

　　 depends_on:

　　 - zookeeper

　　 ports:

　　 - "29092:29092"

　　 environment:

　　 KAFKA_BROKER_ID: 1

　　 KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181

　　 KAFKA_LISTENER_SECURITY_PROTOCOL_MAP: PLAINTEXT:PLAINTEXT,PLAINTEXT_HOST:PLAINTEXT

　　 KAFKA_ADVERTISED_LISTENERS: PLAINTEXT://broker:9092,PLAINTEXT_HOST://localhost:29092

　　 KAFKA_OFFSETS_TOPIC_REPLICATION_FACTOR: 1

　　 KAFKA_GROUP_INITIAL_REBALANCE_DELAY_MS: 0

　　
就可以把kafka docker 环境搭起来，
 

　　使用以下命令，创建一个flink.kafka.streaming.source的topic
 

　　docker exec -t broker kafka-topics --create --topic flink.kafka.streaming.source --bootstrap-server broker:9092
 

　　然后使用命令，就可以进入到kafka机器的命令行
 

　　docker exec -it broker bash
 

　　官方文档示例中没有-it, 运行后没有进入broker的命令行，加上来才可以。这里说明下

　　Flink我们打算直接采用开发工具运行，暂时未搭环境，以体验为主。

　　首先需要引入的包POM文件

　　

 properties

 

　　 jdk.version 1.8 /jdk.version

　　 maven.compiler.source 8 /maven.compiler.source

　　 maven.compiler.target 8 /maven.compiler.target

　　 project.build.sourceEncoding UTF-8 /project.build.sourceEncoding

　　 spring-boot.version 2.7.7 /spring-boot.version

　　 flink.version 1.16.0 /flink.version

　　 /properties

　　 dependencyManagement

　　 dependencies

　　 dependency

　　 groupId org.springframework.boot /groupId

　　 artifactId spring-boot-dependencies /artifactId

　　 version ${spring-boot.version} /version

　　 type pom /type

　　 scope import /scope

　　 /dependency

　　 /dependencies

　　 /dependencyManagement

　　 dependencies

　　 dependency

　　 groupId org.springframework.boot /groupId

　　 artifactId spring-boot-starter /artifactId

　　 /dependency

　　 dependency

　　 groupId org.projectlombok /groupId

　　 artifactId lombok /artifactId

　　 optional true /optional

　　 /dependency

　　 dependency

　　 groupId org.apache.flink /groupId

　　 artifactId flink-java /artifactId

　　 version ${flink.version} /version

　　 scope provided /scope

　　 /dependency

　　 dependency

　　 groupId org.apache.flink /groupId

　　 artifactId flink-clients /artifactId

　　 version ${flink.version} /version

　　 scope provided /scope

　　 /dependency

　　 dependency

　　 groupId org.apache.flink /groupId

　　 artifactId flink-streaming-java /artifactId

　　 version ${flink.version} /version

　　 scope provided /scope

　　 /dependency

　　 dependency

　　 groupId org.apache.flink /groupId

　　 artifactId flink-connector-kafka /artifactId

　　 version ${flink.version} /version

　　 scope provided /scope

　　 /dependency

　　 /dependencies

　　

 

　　这里我们使用Java8， 本来想使用Spring Boot 3的，但是Spring Boot 3 最低需要Java17了， 目前Flink支持Java8和Java11，所以我们使用Spring Boot 2, Java 8来开发。

　　spring-boot-starter 我们就一个命令行程序，所以用这个就够了
 

　　lombok 用来定义model
 

　　flink-java, flink-clients, flink-streaming-java 是使用基本组件， 缺少flink-clients编译阶段不会报错，运行的时候会报java.lang.IllegalStateException: No ExecutorFactory found to execute the application.
 

　　flink-connector-kafka 是连接kafka用
 

　　我们这里把provided， 打包的时候不用打包flink相关组件，由运行环境提供。但是IDEA运行的时候会报java.lang.NoClassDefFoundError: org/apache/flink/streaming/util/serialization/DeserializationSchema，
 

　　在运行的configuration上面勾选上“add dependencies with provided scope to classpath”可以解决这个问题。

　　

@Component

 

　　@Slf4j

　　public class KafkaRunner implements ApplicationRunner

　　 @Override

　　 public void run(ApplicationArguments args) throws Exception {

　　 try{

　　 /****************************************************************************

　　 * Setup Flink environment.

　　 ****************************************************************************/

　　 // Set up the streaming execution environment

　　 final StreamExecutionEnvironment streamEnv

　　 = StreamExecutionEnvironment.getExecutionEnvironment();

　　 /****************************************************************************

　　 * Read Kafka Topic Stream into a DataStream.

　　 ****************************************************************************/

　　 //Set connection properties to Kafka Cluster

　　 Properties properties = new Properties();

　　 properties.setProperty("bootstrap.servers", "localhost:29092");

　　 properties.setProperty("group.id", "flink.learn.realtime");

　　 //Setup a Kafka Consumer on Flnk

　　 FlinkKafkaConsumer String kafkaConsumer =

　　 new FlinkKafkaConsumer

　　 ("flink.kafka.streaming.source", //topic

　　 new SimpleStringSchema(), //Schema for data

　　 properties); //connection properties

　　 //Setup to receive only new messages

　　 kafkaConsumer.setStartFromLatest();

　　 //Create the data stream

　　 DataStream String auditTrailStr = streamEnv

　　 .addSource(kafkaConsumer);

　　 //Convert each record to an Object

　　 DataStream Tuple2 String, Integer userCounts

　　 = auditTrailStr

　　 .map(new MapFunction String,Tuple2 String,Integer () {

　　 @Override

　　 public Tuple2 String,Integer map(String auditStr) {

　　 System.out.println("--- Received Record : " + auditStr);

　　 AuditTrail at = new AuditTrail(auditStr);

　　 return new Tuple2 String,Integer (at.getUser(),at.getDuration());

　　 .keyBy(0) //By user name

　　 .reduce((x,y) - new Tuple2 String,Integer ( x.f0, x.f1 + y.f1));

　　 //Print User and Durations.

　　 userCounts.print();

　　 /****************************************************************************

　　 * Setup data source and execute the Flink pipeline

　　 ****************************************************************************/

　　 //Start the Kafka Stream generator on a separate thread

　　 System.out.println("Starting Kafka Data Generator...");

　　 Thread kafkaThread = new Thread(new KafkaStreamDataGenerator());

　　 kafkaThread.start();

　　 // execute the streaming pipeline

　　 streamEnv.execute("Flink Windowing Example");

　　 catch(Exception e) {

　　 e.printStackTrace();

　　

 

　　简单说明下程序
 

　　DataStream auditTrailStr = streamEnv
 

　　.addSource(kafkaConsumer);
 

　　就是接通了Kafka Source

　　

 Thread kafkaThread = new Thread(new KafkaStreamDataGenerator());

 

　　 kafkaThread.start();

　　

 

　　这段代码是另外开一个线程往kafka里面去发送文本消息
 

　　我们在这个示例中就是一个线程发，然后flink就读出来，然后统计出每个用户的操作时间。
 

　　auditTrailStr.map 就是来进行统计操作。

　　可以看到Kafka一边发送，然后我们就一边读出来，然后就统计出了每个用户的时间。

　　本文只是简单的打通了几个环节，对于flink的知识没有涉及太多，算是一个环境入门。后面学习更多的以后我们再深入些来记录flink. 示例代码会放到 https://github.com/dengkun39/redisdemo.git spring-boot-flink 文件夹。

　　以上就是基于SpringBoot 使用 Flink 收发Kafka消息（）的详细内容，想要了解更多 基于SpringBoot 使用 Flink 收发Kafka消息的内容，请持续关注盛行IT软件开发工作室。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

标签： java

相关文章阅读

  • java Springboot集成mybatis-plus的方法是什么
  • 浅谈几种Java自定义异常处理方式
  • Java Map所有的值转为String类型
  • java代码中格式化金额 java格式化小数
  • java计算器源代码资源 java计算器简单代码
  • 【java】（一）SpringBoot 源码解析——SpringApplication 初始化（）
  • Spring学习笔记（spring教程 csdn）
  • HDFS Architecture Guide（）
  • 哈工大软件构造Lab3（2022）（哈工大软件构造lab3）
  • nginx基础（nginx基础教程）
  • Java 中HashMap详解(含HashTable, ConcurrentHashMap)（java hashmap使用方法）
  • Java 线程池之Jetty 线程池学习总结（java线程池的使用方法）
  • java线程基础（java 线程教程）
  • 聊聊 Netty 那些事儿之 Reactor 在 Netty 中的实现(创建篇)（）
  • nginx（nginx负载均衡）
    • 留言与评论（共有 条评论）
       
    验证码：