Flink-Exactly-once一致性系列实践1

Flink-Exactly-once系列实践-KafkaToKafka

文章目录

一、Kafka输入输出流工具类

代码如下（示例）：

//获取kafkaStream流publicstatic<T>DataStream<T>getKafkaDataStream(ParameterTool parameterTool,Class<?extendsDeserializationSchema> clazz,StreamExecutionEnvironment env)throwsIllegalAccessException,InstantiationException{//加入到flink的环境全局配置中,后续可以通过上下文获取该工具类，总而得到想要的值
        env.getConfig().setGlobalJobParameters(parameterTool);//kafka配置项Properties properties =newProperties();
        properties.setProperty("bootstrap.servers", parameterTool.get("bootstrap.servers"));
        properties.setProperty("group.id",parameterTool.get("group.idsource"));
        properties.setProperty("auto.offset.reset",parameterTool.get("auto.offset.reset"));
        properties.setProperty("enable.auto.commit",parameterTool.get("enable.auto.commit",String.valueOf(false)));String topics = parameterTool.get("Consumertopics");//序列化类实例化DeserializationSchema<T> deserializationSchema = clazz.newInstance();FlinkKafkaConsumer<T> flinkKafkaConsumer =newFlinkKafkaConsumer<>(topics, deserializationSchema, properties);

        flinkKafkaConsumer.setStartFromEarliest();//开启kafka的offset与checkpoint绑定
        flinkKafkaConsumer.setCommitOffsetsOnCheckpoints(true);return env.addSource(flinkKafkaConsumer);}//获取kafka生产者通用方法/**
     * offsets.topic.replication.factor 用于配置offset记录的topic的partition的副本个数
     * transaction.state.log.replication.factor 事务主题的复制因子
     * transaction.state.log.min.isr 覆盖事务主题的min.insync.replicas配置
     *
     * num.partitions 新建Topic时默认的分区数
     *
     * default.replication.factor 自动创建topic时的默认副本的个数
     *
     *
     *
     * 注意：这些参数，设置得更高以确保高可用性！
     *
     * 其中 default.replication.factor 是真正决定，topi的副本数量的
     * @param parameterTool
     * @param kafkaSerializationSchema
     * @param <T>
     * @return
     */publicstatic<T>FlinkKafkaProducer<T>getFlinkKafkaProducer(ParameterTool parameterTool,KafkaSerializationSchema<T> kafkaSerializationSchema){Properties properties =newProperties();
        properties.setProperty("bootstrap.servers", parameterTool.get("bootstrap.servers"));
        properties.setProperty("group.id",parameterTool.get("group.idsink"));//        properties.setProperty("transaction.max.timeout.ms",parameterTool.get("transaction.max.timeout.ms"));
        properties.setProperty("transaction.timeout.ms",parameterTool.get("transaction.timeout.ms"));
        properties.setProperty("client.id","flinkOutputTopicClient");String topics = parameterTool.get("Producetopice");returnnewFlinkKafkaProducer<T>(topics,kafkaSerializationSchema,properties,FlinkKafkaProducer.Semantic.EXACTLY_ONCE);}

注意点事项
一、消费者注意项
1.flinkKafkaConsumer.setCommitOffsetsOnCheckpoints(true)，将kafka自动提交offset关闭并且与flink的CheckPoint绑定。
2.bootstrap.servers kafka的broker host
3.setStartFromEarliest()设置kafka的消息消费从最初位置开始
二、生产者注意项
1.transaction.timeout.ms 默认情况下Kafka Broker 将transaction.max.timeout.ms设置为15分钟，我们需要将此值设置低于15分钟
2.FlinkKafkaProducer.Semantic.EXACTLY_ONCE设置kafka为精确一次

二、统计字符个数案例

代码如下（示例）：

publicstaticvoidmain(String[] args)throwsException{//1.创建流式执行环境StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();//2.设置并行度
        env.setParallelism(4);//3.设置CK和状态后端CkAndStateBacked.setCheckPointAndStateBackend(env,"FS");//4.获取kafkaStream流InputStream kafkaPropertiesStream =KafkaToKafkaExacitly.class.getClassLoader().getResourceAsStream("kafka.properties");ParameterTool parameterTool=ParameterTool.fromPropertiesFile(kafkaPropertiesStream);//将配置流放到全局flink运行时环境
        env.getConfig().setGlobalJobParameters(parameterTool);SimpleStringSchema simpleStringSchema =newSimpleStringSchema();Class<?extendsSimpleStringSchema> stringSchemaClass = simpleStringSchema.getClass();DataStream<String> kafkaDataStream =KafkaUtil.getKafkaDataStream(parameterTool, stringSchemaClass, env);System.out.println("==================================================");
        kafkaDataStream.print();//5.map包装成value,1SingleOutputStreamOperator<Tuple2<String,Integer>> tupleStream = kafkaDataStream.map(newMapFunction<String,Tuple2<String,Integer>>(){@OverridepublicTuple2<String,Integer>map(String value)throwsException{if("error".equals(value)){thrownewRuntimeException("发生异常！！！");}returnnewTuple2<>(value,1);}});
        tupleStream.print();//6.按照value进行分组，并且统计value的个数SingleOutputStreamOperator<Tuple2<String,Integer>> reduceStream = tupleStream.keyBy(newKeySelector<Tuple2<String,Integer>,String>(){@OverridepublicStringgetKey(Tuple2<String,Integer> value)throwsException{return value.f0;}}).reduce(newReduceFunction<Tuple2<String,Integer>>(){@OverridepublicTuple2<String,Integer>reduce(Tuple2<String,Integer> value1,Tuple2<String,Integer> value2)throwsException{returnnewTuple2<>(value1.f0, value1.f1 + value2.f1);}});System.out.println("=====================================================");
        reduceStream.print();//7.将数据输出到kafkaFlinkKafkaProducer<Tuple2<String,Integer>> flinkKafkaProducer =KafkaUtil.getFlinkKafkaProducer(parameterTool,newKafkaSerializationSchema<Tuple2<String,Integer>>(){@Overridepublicvoidopen(SerializationSchema.InitializationContext context)throwsException{System.out.println("=========正在向KafkaProduce输出数据！！！=============");}@OverridepublicProducerRecord<byte[],byte[]>serialize(Tuple2<String,Integer> element,@NullableLong timestamp){String producetopics = parameterTool.get("Producetopice");String result = element.toString();returnnewProducerRecord<byte[],byte[]>(producetopics, result.getBytes(StandardCharsets.UTF_8));}});
        reduceStream.addSink(flinkKafkaProducer).name("kafkasinktest").uid("kafkasink");//任务执行
        env.execute("KafkaToKafkaTest");}

注意事项：
这里使用的是本地FSstateBackend,注意你的路径的设置，以hdfs://或者file://为地址标识符，否则Flink的文件系统将无法识别。

三、消费者消费kafka的事务数据

ublic staticvoidmain(String[] args)throwsException{StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();Properties sourceProperties =newProperties();
        sourceProperties.setProperty("bootstrap.servers","*****");
        sourceProperties.setProperty("group.id","****");//端到端一致性：消费数据时需要配置isolation.level=read_committed(默认值为read_uncommitted)
        sourceProperties.put("isolation.level","read_committed");FlinkKafkaConsumer<String>ConsumerKafka=newFlinkKafkaConsumer<>("*****",newSimpleStringSchema(), sourceProperties);ConsumerKafka.setStartFromEarliest();DataStreamSource<String> dataStreamSource = env.addSource(ConsumerKafka);

        dataStreamSource.print();

        env.execute();}

isolation.level这里设置为read_committed（默认为read_uncommitted）
这里可以看到以你CheckPoint设置的时间，来批量展示kafka生产者的消息。

总结与可能出现的问题

以上是flink 实现kafka的精确一次的测试例子，这里还有一点要注意，就是小伙伴们的kafka的配置里面

offsets.topic.replication.factor=1
transaction.state.log.replication.factor=1
transaction.state.log.min.isr=1
default.replication.factor=1

这四个参数里面default.replication.factor是你kafka真正每个topic的副本数量，但是在开启事务也就是flink的addsink的时候会默认继承两阶段提交的方式，这里transaction.state.log.replication.factor一定要大于或者等于transaction.state.log.min.isr，否则你的kafka集群不满足事务副本复制的基本属性，会一直不成功，那么你的CheckPoint就会超时过期，从而导致任务的整体失败。

kafka集群第一次有消费者消费消息时会自动创建 __consumer_offsets，它的副本因子受 offsets.topic.replication.factor 参数的约束，默认值为3（注意：该参数的使用限制在0.11.0.0版本发生变化），分区数可以通过 offsets.topic.num.partitions 参数设置，默认值为50，在开启事务性的情况下就会首先会获得一个全局的TransactionCoordinator id和transactional producer并且生成唯一的序列号等
类似于一下的例子来唯一标识当前事务的消息对应的offset，以及标识

[2022-03-24 21:07:40,022] INFO [TransactionCoordinator id=0] Initialized transactionalId Keyed Reduce -> (Sink: Print to Std. Out, Sink: kafkasinktest)-b0c5e26be6392399cc3c8a38581a81c2-8 with producerId 11101 and producer epoch 8 on partition __transaction_state-18 (kafka.coordinator.transaction.TransactionCoordinator)

当flink任务出现异常的情况下，kafka会把以及提交但是未标记可以消费的数据直接销毁，或者正常的情况下，会正式提交（本质是修改消息的标志位），之后对于消费者在开启isolation.level的时候就可以读取以及标记为可以读取的message！