Flink基于Kafka-Connector 数据流容错回放机制及代码案例实战-Flink牛刀小试

版权声明：本套技术专栏是作者（秦凯新）平时工作的总结和升华，通过从真实商业环境抽取案例进行总结和分享，并给出商业应用的调优建议和集群环境容量规划等内容，请持续关注本套博客。版权声明：禁止转载，欢迎学习。QQ邮箱地址：1120746959@qq.com，如有任何问题，可随时联系。

Flink牛刀小试系列目录

• Flink牛刀小试-Flink 集群运行原理兼部署及Yarn运行模式深入剖析
• Flink牛刀小试-Flink Window类型及使用原理案例实战
• Flink牛刀小试-Flink Broadcast 与 Accumulators 应用案例实战
• Flink牛刀小试-Flink与SparkStreaming之Counters& Accumulators 累加器双向应用案例实战
• Flink牛刀小试-Flink分布式缓存Distributed Cache应用案例实战
• Flink牛刀小试-Flink状态管理与checkPoint数据容错机制深入剖析
• Flink牛刀小试-Flink Window分析及Watermark解决乱序数据机制深入剖析
• Flink牛刀小试-Flink Restart Strategies 重启策略机制深入剖析
• Flink牛刀小试-Flink CheckPoint状态点恢复与savePoint机制对比剖析
• Flink牛刀小试-Flink SQL Table 我们一起去看2018中超联赛
• [Flink牛刀小试-Flink基于Kafka-Connector 数据流容错回放机制及代码案例实战]
• [Flink牛刀小试-Flink DataStreamAPI与DataSetAPI应用案例实战]
• [Flink牛刀小试-Flink并行度 Parallel及Slots关系原理深入剖析]
• [Flink牛刀小试-Flink集群HA配置及高可用机制深入剖析]
• [Flink牛刀小试-Flink批处理与流处理案例实战深入剖析]
• [Flink牛刀小试-Flink综合性应用案例实践及垂直业务深入剖析]

1 Kafka-connector 再次亲密牵手Flink

• Kafka中的partition机制和Flink的并行度机制深度结合，实现数据恢复。
• Kafka可以作为Flink的source和sink，牛在这里。
• 任务失败，通过设置kafka的offset来恢复应用

2 回顾Spark Streaming针对kafka使用技术

// 设置检查点目录
    ssc.checkpoint("./streaming_checkpoint")

    // 获取Kafka配置(通过配置文件读取，ConfigurationManager自定义方法)
    val broker_list = ConfigurationManager.config.getString("kafka.broker.list")  
    val topics = ConfigurationManager.config.getString("kafka.topics")

    // kafka消费者配置
    val kafkaParam = Map(
      "bootstrap.servers" -> broker_list,//用于初始化链接到集群的地址
      "key.deserializer" -> classOf[StringDeserializer],
      "value.deserializer" -> classOf[StringDeserializer],
      //用于标识这个消费者属于哪个消费团体
      "group.id" -> "commerce-consumer-group",
      //如果没有初始化偏移量或者当前的偏移量不存在任何服务器上，可以使用这个配置属性
      //可以使用这个配置，latest自动重置偏移量为最新的偏移量
      "auto.offset.reset" -> "latest",
      //如果是true，则这个消费者的偏移量会在后台自动提交
      "enable.auto.commit" -> (false: java.lang.Boolean)
    )

    // 创建DStream，返回接收到的输入数据
    // LocationStrategies：根据给定的主题和集群地址创建consumer
    // LocationStrategies.PreferConsistent：持续的在所有Executor之间分配分区
    // ConsumerStrategies：选择如何在Driver和Executor上创建和配置Kafka Consumer
    // ConsumerStrategies.Subscribe：订阅一系列主题
    val adRealTimeLogDStream=KafkaUtils.createDirectStream[String,String](ssc,
      LocationStrategies.PreferConsistent,ConsumerStrategies.Subscribe[String,String](Array(topics),kafkaParam))
复制代码

3 再论 Flink Kafka Consumer

3.1 理论时间

• setStartFromGroupOffsets()【默认消费策略】

  默认读取上次保存的offset信息 如果是应用第一次启动，读取不到上次的offset信息，则会根据这个参数auto.offset.reset的值来进行消费数据

• setStartFromEarliest() 从最早的数据开始进行消费，忽略存储的offset信息

• setStartFromLatest() 从最新的数据进行消费，忽略存储的offset信息

• setStartFromSpecificOffsets(Map<KafkaTopicPartition, Long>)

• 当checkpoint机制开启的时候，KafkaConsumer会定期把kafka的offset信息还有其他operator的状态信息一块保存起来。当job失败重启的时候，Flink会从最近一次的checkpoint中进行恢复数据，重新消费kafka中的数据。

• 为了能够使用支持容错的kafka Consumer，需要开启checkpoint env.enableCheckpointing(5000); // 每5s checkpoint一次

• Kafka Consumers Offset 自动提交有以下两种方法来设置，可以根据job是否开启checkpoint来区分:

  (1) Checkpoint关闭时： 可以通过下面两个参数配置

  enable.auto.commit

  auto.commit.interval.ms

  (2) Checkpoint开启时：当执行checkpoint的时候才会保存offset，这样保证了kafka的offset和checkpoint的状态偏移量保持一致。 可以通过这个参数设置

  setCommitOffsetsOnCheckpoints(boolean)

  这个参数默认就是true。表示在checkpoint的时候提交offset, 此时，kafka中的自动提交机制就会被忽略

3.2 案例实战

依赖引入：
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-statebackend-rocksdb_2.11</artifactId>
        <version>1.6.1</version>
    </dependency>

    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-connector-kafka-0.11_2.11</artifactId>
        <version>1.6.1</version>
    </dependency>

    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka-clients</artifactId>
        <version>0.11.0.3</version>
    </dependency>
    
 案例实战：
 public class StreamingKafkaSource {
    
    public static void main(String[] args) throws Exception {
        //获取Flink的运行环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        //checkpoint配置
        env.enableCheckpointing(5000);
        env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
        env.getCheckpointConfig().setMinPauseBetweenCheckpoints(500);
        env.getCheckpointConfig().setCheckpointTimeout(60000);
        env.getCheckpointConfig().setMaxConcurrentCheckpoints(1);
        env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);

        //设置statebackend

        //env.setStateBackend(new RocksDBStateBackend("hdfs://hadoop100:9000/flink/checkpoints",true));


        String topic = "kafkaConsumer";
        Properties prop = new Properties();
        prop.setProperty("bootstrap.servers","SparkMaster:9092");
        prop.setProperty("group.id","kafkaConsumerGroup");

        FlinkKafkaConsumer011<String> myConsumer = new FlinkKafkaConsumer011<>(topic, new SimpleStringSchema(), prop);

        myConsumer.setStartFromGroupOffsets();//默认消费策略

        DataStreamSource<String> text = env.addSource(myConsumer);

        text.print().setParallelism(1);

        env.execute("StreamingFromCollection");
    }
}
复制代码

4 再论 Flink Kafka Producer

4.1 理论时间

• Kafka Producer的容错-Kafka 0.9 and 0.10

• 如果Flink开启了checkpoint，针对FlinkKafkaProducer09和FlinkKafkaProducer010 可以提供 at-least-once的语义，还需要配置下面两个参数:

  setLogFailuresOnly(false)

  setFlushOnCheckpoint(true)

• 注意：建议修改kafka 生产者的重试次数retries【这个参数的值默认是0】

• Kafka Producer的容错-Kafka 0.11，如果Flink开启了checkpoint，针对FlinkKafkaProducer011 就可以提供 exactly-once的语义,但是需要选择具体的语义

  Semantic.NONE

  Semantic.AT_LEAST_ONCE【默认】

  Semantic.EXACTLY_ONCE

4.2 KafkaSink案例实战

public class StreamingKafkaSink {
    public static void main(String[] args) throws Exception {
    //获取Flink的运行环境
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();


    //checkpoint配置
    env.enableCheckpointing(5000);
    env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
    env.getCheckpointConfig().setMinPauseBetweenCheckpoints(500);
    env.getCheckpointConfig().setCheckpointTimeout(60000);
    env.getCheckpointConfig().setMaxConcurrentCheckpoints(1);
    env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);

    //设置statebackend

    //env.setStateBackend(new RocksDBStateBackend("hdfs://SparkMaster:9000/flink/checkpoints",true));


    DataStreamSource<String> text = env.socketTextStream("SparkMaster", 9001, "\n");

    String brokerList = "SparkMaster:9092";
    String topic = "kafkaProducer";

    Properties prop = new Properties();
    prop.setProperty("bootstrap.servers",brokerList);

    //第一种解决方案，设置FlinkKafkaProducer011里面的事务超时时间
    //设置事务超时时间
    //prop.setProperty("transaction.timeout.ms",60000*15+"");

    //第二种解决方案，设置kafka的最大事务超时时间,主要是kafka的配置文件设置。

    //FlinkKafkaProducer011<String> myProducer = new FlinkKafkaProducer011<>(brokerList, topic, new SimpleStringSchema());

    //使用仅一次语义的kafkaProducer
    FlinkKafkaProducer011<String> myProducer = new FlinkKafkaProducer011<>(topic, new KeyedSerializationSchemaWrapper<String>(new SimpleStringSchema()), prop, FlinkKafkaProducer011.Semantic.EXACTLY_ONCE);
    text.addSink(myProducer);


    env.execute("StreamingFromCollection");


  }
}
复制代码

5 结语

kafka必不可少，关于kafka还有很多要说的内容，详情请参考我的kafka商业环境实战系列吧。

版权声明：本套技术专栏是作者（秦凯新）平时工作的总结和升华，通过从真实商业环境抽取案例进行总结和分享，并给出商业应用的调优建议和集群环境容量规划等内容，请持续关注本套博客。版权声明：禁止转载，欢迎学习。QQ邮箱地址：1120746959@qq.com，如有任何问题，可随时联系。

• kafka 商业环境实战-kafka生产环境规划
• kafka 商业环境实战-kafka生产者和消费者吞吐量测试
• kafka 商业环境实战-kafka生产者Producer参数设置及参数调优建议
• kafka 商业环境实战-kafka集群管理重要操作指令运维兵书
• kafka 商业环境实战-kafka集群Broker端参数设置及调优准则建议
• kafka 商业环境实战-kafka之Producer同步与异步消息发送及事务幂等性案例应用实战
• kafka 商业环境实战-kafka Poll轮询机制与消费者组的重平衡分区策略剖析
• kafka 商业环境实战-kafka Rebalance 机制与Consumer多种消费模式案例应用实战
• kafka 商业环境实战-kafka集群消息格式之V1版本到V2版本的平滑过渡详解
• kafka 商业环境实战-kafka ISR设计及水印与leader epoch副本同步机制深入剖析
• kafka 商业环境实战-kafka日志索引存储及Compact机制深入剖析
• [kafka 商业环境实战-kafka精确一次语义EOS的原理深入剖析]
• [kafka 商业环境实战-kafka消息的幂等性与事务支持机制深入剖析]
• [kafka 商业环境实战-kafka集群Controller竞选与责任设计思路架构详解]
• [kafka 商业环境实战-kafka集群日志文件系统设计与留存机制及Compact深入研究]
• [kafka 商业环境实战-kafka集群Consumer group状态机及Coordinaor管理深入剖析]
• [kafka 商业环境实战-kafka调优过程在吞吐量，持久性，低延时，可用性等指标的折中选择研究]

秦凯新 于深圳 20181127023