大数据-117 - Flink DataStream Sink 案例：写出到MySQL、写出到Kafka

点一下关注吧！！！非常感谢！！持续更新！！！

目前已经更新到了：

• Hadoop（已更完）
• HDFS（已更完）
• MapReduce（已更完）
• Hive（已更完）
• Flume（已更完）
• Sqoop（已更完）
• Zookeeper（已更完）
• HBase（已更完）
• Redis （已更完）
• Kafka（已更完）
• Spark（已更完）
• Flink（正在更新！）

章节内容

上节我们完成了如下的内容：

• Sink 的基本概念等内容
• Sink的相关信息 配置与使用
• Sink案例写入Redis

JDBC Sink

在 Apache Flink 中，通过 JDBC Sink，可以将处理后的数据写入到 MySQL 数据库中。这对于将实时处理的数据持久化或与其他系统进行集成非常有用。

Flink JDBC Sink 简介

Flink 提供了 JdbcSink，它是基于 JDBC 协议的 Sink，可以将数据写入各种关系型数据库，包括 MySQL。在使用 JDBC Sink 时，需要提供数据库连接信息和 SQL 语句，通过这些信息，Flink 将数据流中的记录插入或更新到 MySQL 表中。

Flink 到 MySQL 的基本步骤

将数据流写入 MySQL 的步骤主要包括以下几点：

• 依赖库配置：确保在项目中引入了 Flink 和 MySQL 相关的依赖库，通常需要配置 Maven 或 Gradle。
• 定义数据源和数据流：创建并处理数据流。
• 配置 JDBC Sink：提供数据库的连接信息和插入 SQL 语句。
• 启动任务：将数据流写入 MySQL。

优化建议

在实际项目中，向 MySQL 插入大量数据时，应考虑以下优化策略：

• 批量插入：通过 JdbcExecutionOptions 配置批量插入，可以大幅提升写入性能。
• 连接池：对于高并发的写入操作，建议使用连接池来减少数据库连接开销。
• 索引优化：为插入的表配置合适的索引，可以提高查询性能，但在大量写入时，索引可能会降低- 插入速度，因此需要权衡。
• 数据分片：对于非常大规模的数据，可以考虑将数据分片并行写入不同的 MySQL 实例或分区表中。

案例：流数据下沉到MySQL

添加依赖

<dependency><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId><version>8.0.28</version></dependency>

编写代码

一个Person的类，对应MySQL中的一张表的字段。
模拟几条数据流，写入到 MySQL中。

packageicu.wzk;importorg.apache.flink.configuration.Configuration;importorg.apache.flink.streaming.api.datastream.DataStreamSource;importorg.apache.flink.streaming.api.functions.sink.RichSinkFunction;importorg.apache.flink.streaming.api.scala.StreamExecutionEnvironment;importjava.sql.Connection;importjava.sql.DriverManager;importjava.sql.PreparedStatement;publicclassSinkSqlTest{publicstaticvoidmain(String[] args){StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();DataStreamSource<Person> data = env.getJavaEnv().fromElements(newPerson("wzk",18,1),newPerson("icu",20,1),newPerson("wzkicu",13,2));
        data.addSink(newMySqlSinkFunction());

        env.execute();}publicstaticclassMySqlSinkFunctionextendsRichSinkFunction<Person>{privatePreparedStatement preparedStatement =null;privateConnection connection =null;@Overridepublicvoidopen(Configuration parameters)throwsException{String url ="jdbc:mysql://h122.wzk.icu:3306/flink-test?useUnicode=true&characterEncoding=UTF-8&serverTimezone=UTC";String username ="hive";String password ="[email protected]";
            connection =DriverManager.getConnection(url, username, password);String sql ="INSERT INTI PERSON(name, age, sex) VALUES(?, ?, ?)";
            preparedStatement = connection.prepareStatement(sql);}@Overridepublicvoidinvoke(Person value,Context context)throwsException{
            preparedStatement.setString(1, value.getName());
            preparedStatement.setInt(2, value.getAge());
            preparedStatement.setInt(3, value.getSex());
            preparedStatement.executeUpdate();}@Overridepublicvoidclose()throwsException{if(null!= connection){
                connection.close();}if(null!= preparedStatement){
                preparedStatement.close();}}}publicstaticclassPerson{privateString name;privateInteger age;privateInteger sex;publicPerson(){}publicPerson(String name,Integer age,Integer sex){this.name = name;this.age = age;this.sex = sex;}publicStringgetName(){return name;}publicvoidsetName(String name){this.name = name;}publicIntegergetAge(){return age;}publicvoidsetAge(Integer age){this.age = age;}publicIntegergetSex(){return sex;}publicvoidsetSex(Integer sex){this.sex = sex;}}}

数据库配置

我们新建一张表出来，person表，里边有我们需要的字段。

运行代码

我们运行代码，等待运行结束。

查看结果

查看数据库中的数据，我们可以看到刚才模拟的数据已经成功写入了。

案例：写入到Kafka

编写代码

packageicu.wzk;importorg.apache.flink.api.common.serialization.SimpleStringSchema;importorg.apache.flink.streaming.api.scala.DataStream;importorg.apache.flink.streaming.api.scala.StreamExecutionEnvironment;importorg.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer;publicclassSinkKafkaTest{publicstaticvoidmain(String[] args){StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();DataStream<String> data = env.socketTextStream("localhost",9999,'\n',0);String brokerList ="h121.wzk.icu:9092";String topic ="flink_test";FlinkKafkaProducer<String> producer =newFlinkKafkaProducer<>(brokerList, topic,newSimpleStringSchema());
        data.addSink(producer);
        env.execute("SinkKafkaTest");}}

运行代码

启动一个 nc

nc-lk9999

我们通过回车的方式，可以发送数据。

Java 程序中等待

查看结果

我们登录到服务器查看信息

./kafka-console-consumer.sh --bootstrap-server h121.wzk.icu:9092 --topic flink_test --from-beginning

可以看到刚才的数据已经写入了：