为了账号安全,请及时绑定邮箱和手机立即绑定

Fllink实时计算运用(七)Flink 自定义序列化Protobuf接入实现方案

标签:
Java 架构

1. 自定义序列化接入方案(Protobuf)

在实际应用场景中, 会存在各种复杂传输对象,同时要求较高的传输处理性能, 这就需要采用自定义的序列化方式做相应实现, 这里以Protobuf为例做讲解。

功能: kafka对同一Topic的生产与消费,采用Protobuf做序列化与反序列化传输, 验证能否正常解析数据。

  1. 通过protobuf脚本生成JAVA文件

    syntax = "proto3";
    option java_package = "com.itcast.flink.connectors.kafka.proto";
    option java_outer_classname = "AccessLogProto";
    
    // 消息结构定义
    message AccessLog {
    
        string ip = 1;
    
        string time = 2;
    
        string type = 3;
    
        string api = 4;
    
        string num = 5;
    }
    
    

    通过批处理脚本,生成JAVA文件:

    @echo off
    for %%i in (proto/*.proto) do (
      d:/TestCode/protoc.exe --proto_path=./proto  --java_out=../java  ./proto/%%i
      echo generate %%i to java file successfully!
    )
    
    

    注意, 路径要配置正确。

  2. 自定义序列化实现

    添加POM依赖:

    <dependencies>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-connector-kafka_2.11</artifactId>
            <version>1.11.2</version>
        </dependency>
        <dependency>
            <groupId>com.google.protobuf</groupId>
            <artifactId>protobuf-java</artifactId>
            <version>3.8.0</version>
        </dependency>
        <dependency>
            <groupId>org.springframework</groupId>
            <artifactId>spring-beans</artifactId>
            <version>5.1.8.RELEASE</version>
        </dependency>
    </dependencies>
    
    

    AccessLog对象:

    @Data
    public class AccessLog implements Serializable {
    
        private String ip;
    
        private String time;
    
        private String type;
    
        private String api;
    
        private Integer num;
    }
    

    CustomSerialSchema:

    /**
     * 自定义序列化实现(Protobuf)
     */
    public class CustomSerialSchema implements DeserializationSchema<AccessLog>, SerializationSchema<AccessLog> {
    
    	private static final long serialVersionUID = 1L;
    
    	private transient Charset charset;
    
    	public CustomSerialSchema() {
    		this(StandardCharsets.UTF_8);
    	}
    
    	public CustomSerialSchema(Charset charset) {
    		this.charset = checkNotNull(charset);
    	}
    
    	public Charset getCharset() {
    		return charset;
    	}
      
        /**
         * 反序列化实现
         * @param message
         * @return
         */
    	@Override
    	public AccessLog deserialize(byte[] message) {
            AccessLog accessLog = null;
            try {
                AccessLogProto.AccessLog accessLogProto = AccessLogProto.AccessLog.parseFrom(message);
                accessLog = new AccessLog();
                BeanUtils.copyProperties(accessLogProto, accessLog);
                return accessLog;
            } catch (Exception e) {
                e.printStackTrace();
            }
            return accessLog;
    	}
    
    	@Override
    	public boolean isEndOfStream(AccessLog nextElement) {
    		return false;
    	}
    
        /**
         * 序列化处理
         * @param element
         * @return
         */
    	@Override
    	public byte[] serialize(AccessLog element) {
            AccessLogProto.AccessLog.Builder builder = AccessLogProto.AccessLog.newBuilder();
            BeanUtils.copyProperties(element, builder);
    		return builder.build().toByteArray();
    	}
    
        /**
         * 定义消息类型
         * @return
         */
    	@Override
    	public TypeInformation<AccessLog> getProducedType() {
    		return TypeInformation.of(AccessLog.class);
    	}
    }
    
    
  3. 通过flink对kafka消息生产者的实现

    public class KafkaSinkApplication {
    
        public static void main(String[] args) throws Exception {
    
            // 1. 创建运行环境
            StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
            // 2. 读取Socket数据源
            DataStreamSource<String> socketStr = env.socketTextStream("localhost", 9911, "\n");
            // 3. 转换处理流数据
            SingleOutputStreamOperator<AccessLog> outputStream = socketStr.map(new MapFunction<String, AccessLog>() {
                @Override
                public AccessLog map(String value) throws Exception {
                    System.out.println(value);
                    // 根据分隔符解析数据
                    String[] arrValue = value.split("\t");
                    // 将数据组装为对象
                    AccessLog log = new AccessLog();
                    log.setNum(1);
                    for(int i=0; i<arrValue.length; i++) {
                        if(i == 0) {
                            log.setIp(arrValue[i]);
                        }else if( i== 1) {
                            log.setTime(arrValue[i]);
                        }else if( i== 2) {
                            log.setType(arrValue[i]);
                        }else if( i== 3) {
                            log.setApi(arrValue[i]);
                        }
                    }
    
                    return log;
                }
            });
    
            // 3. Kakfa的生产者配置
            Properties properties = new Properties();
            properties.setProperty("bootstrap.servers", "10.10.20.132:9092");
            FlinkKafkaProducer kafkaProducer = new FlinkKafkaProducer(
                    "10.10.20.132:9092",            // broker 列表
                    "flink-serial",                  // 目标 topic
                    new CustomSerialSchema()                 // 序列化 方式
                    );   
    
            // 4. 添加kafka的写入器
            outputStream.addSink(kafkaProducer);
    
            socketStr.print().setParallelism(1);
    
            // 5. 执行任务
            env.execute("job");
        }
    
    }
    

    开启Kafka消费者命令行终端,验证生产者的可用性:

    [root@flink1 kafka_2.12-1.1.1]# bin/kafka-console-consumer.sh --bootstrap-server  10.10.20.132:9092  --topic flink-serial	
    1601649380422GET"
    getAccount
    1601649381422POSTaddOrder
    1601649382422POST"
    
  4. 通过flink对kafka消息订阅者的实现

    public class KafkaSourceApplication {
    
        public static void main(String[] args) throws Exception {
    
            // 1. 创建运行环境
            StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    
            // 2. 设置kafka服务连接信息
            Properties properties = new Properties();
            properties.setProperty("bootstrap.servers", "10.10.20.132:9092");
            properties.setProperty("group.id", "fink_group");
    
            // 3. 创建Kafka消费端
            FlinkKafkaConsumer kafkaProducer = new FlinkKafkaConsumer(
                    "flink-serial",                  // 目标 topic
                    new CustomSerialSchema(),   // 自定义序列化
                    properties);
    
            // 4. 读取Kafka数据源
            DataStreamSource<AccessLog> socketStr = env.addSource(kafkaProducer);
    
            socketStr.print().setParallelism(1);
    
            // 5. 执行任务
            env.execute("job");
        }
    
    }
    

    通过flink的kafka生产者消息的发送, 对消费者的功能做测试验证。


点击查看更多内容
TA 点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
  • 推荐
  • 评论
  • 收藏
  • 共同学习,写下你的评论
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消