写点什么

RocketMQ Flink Catalog 设计与实践

  • 2022-10-25
    浙江
  • 本文字数:3773 字

    阅读完需:约 12 分钟

摘要:本文为 RocketMQ Flink Catalog 使用指南。主要内容包括:

  1. Flink 和 Flink Catalog

  2. RocketMQ Flink Connector

  3. RocketMQ Flink Catalog


作者:李晓双 ,Apache RocketMQ Contributor

Mentor:蒋晓峰,Apache RocketMQ Committer


一、Flink 和 Flink Catalog

Flink 是一个分布式计算引擎,目前已经实现批流一体,可以实现对有界数据和无界数据的处理。需要有效分配和管理计算资源才能执行流式应用程序。


目前 Flink API 共抽象为四个部分:


  • 最顶层的抽象为 SQL。SQL 抽象与 Table API 抽象之间的关联是非常紧密的,并且 SQL 查询语句可以在 Table API 中定义的表上执行。

  • 第二层抽象为 Table API。Table API 是以表(Table)为中心的声明式编程(DSL)API,例如在流式数据场景下,它可以表示一张正在动态改变的表。

  • 第三层抽象是 Core APIs 。许多程序可能使用不到最底层的 API,而是可以使用 Core APIs 进行编程:其中包含 DataStream API(应用于有界/无界数据流场景)和 DataSet API(应用于有界数据集场景)两部分。

  • 第四层抽象为有状态的实时流处理。


Flink Catalog 提供了元数据信息,例如数据库、表、分区、视图以及数据库或其他外部系统中存储的函数和信息。Flink 对于元数据的管理分为临时的、持久化的两种。内置的 GenericInMemoryCatalog 是基于内存实现的 Catalog,所有元数据只在 session 的生命周期内可用。JdbcCatalog 和 HiveCatalog 就是可以持久化元数据的 Catalog。


Flink Catalog 是扩展的,支持用户自定义。为了在 Flink SQL 中使用自定义 Catalog,用户需要通过实现 CatalogFactory 接口来实现对应的 Catalog 工厂。该工厂是使用 Java 的服务提供者接口 (SPI) 发现的。可以将实现此接口的类添加到 META_INF/services/org.apache.flink.table.factories.FactoryJAR 文件中。


二、RocketMQ Flink Connector

RocketMQ 连接器为 Flink 提供从 RocketMQ Topic 中消费和写入数据的能力。Flink 的 Table API & SQL 程序可以连接到其他外部系统,用于读取和写入批处理和流式表。Source 提供对存储在外部系统(例如数据库、键值存储、消息队列或文件系统)中的数据的访问。Sink 将数据发送到外部存储系统。


该项目的 Github 仓库是: https://github.com/apache/rocketmq-flink



三、RocketMQ Flink Catalog

3.1 设计与实现

3.1.1 RocketMQ Flink Catalog 的设计主要分为两步

  • 实现一个 RocketMqCatalogFactory 基于字符串属性创建已配置 Catalog 实例的工厂。将此实现类添加到 META_INF/services/org.apache.flink.table.factories.Factory 中。

  • 继承 AbstractCatalog 实现 RocketMqCatalog,通过实现 Catalog 接口中的方法,完成对数据库、表、分区等信息的查询操作。


类图如下:



3.1.2 RocketMQ Flink Catalog 的存储

RocketMQ Flink Catalog 的底层存储使用的是 RocketMQ Schema Registry。Flink 调用 Catalog 的时候,在 AbstractCatalog 的实现类中通过 RocketMQ Schema Registry 的客户端和 RocketMQ Schema Registry 服务端进行交互。


  • Database : 返回默认的 default 。

  • Table : 从 RocketMQ Schema Registry 获取对应的 Schema,然后解析 IDL 转换成 DataType。

  • Partition : 通过 DefaultMQAdminExt 从 RocketMQ 中获取到 Partition 相关信息。


RocketMQ Schema Registry 是一个 Topic Schema 的管理中心。它为 Topic(RocketMQ Topic)的注册、删除、更新、获取和引用模式提供了一个 RESTful 接口。New RocketMQ 客户端通过将 Schema 与 Subject 关联起来,可以直接发送结构化数据。用户不再需要关心序列化和反序列化的细节。



3.1.3 RocketMQ Flink Catalog 支持的 API

目前 RocketMQ Flink Catalog 支持对 Database、Table、Partition 的查询和判断是否存在的操作,不支持创建、修改、删除。所以在使用之前需要通过 RocketMQ Schema Registry 来创建好对应的 Schema。



3.2 使用指南

表环境(TableEnvironment)是 Flink 中集成 Table API & SQL 的核心概念。它负责:


  • 在内部的 Catalog 中注册 Table。

  • 注册外部的 Catalog。

  • 加载可插拔模块。执行 SQL 查询。

  • 注册自定义函数 (scalar、table 或 aggregation)。

  • 将 DataStream 或 DataSet 转换成 Table。

  • 持有对 ExecutionEnvironment 或 StreamExecutionEnvironment 的引用。


3.2.1 创建并注册 Catalog

Table API :

RocketMQCatalog rocketMqCatalog = new RocketMQCatalog("rocketmq_catalog", "default", "http://localhost:9876", "http://localhost:8080");tableEnvironment.registerCatalog("rocketmq_catalog", rocketMqCatalog);
复制代码

SQL

TableResult tableResult = tableEnvironment.executeSql(                "CREATE CATALOG rocketmq_catalog WITH (" +                        "'type'='rocketmq_catalog'," +                        "'nameserver.address'='http://localhost:9876'," +                        "'schema.registry.base.url'='http://localhost:8088');");
复制代码

3.2.2 修改当前的 Catalog

Table API 

tableEnvironment.useCatalog("rocketmq_catalog");
复制代码

SQL

tableEnvironment.executeSql("USE CATALOG rocketmq_catalog");
复制代码

3.2.3 列出可用的 Catalog

Table API 

String[] catalogs = tableEnvironment.listCatalogs();
复制代码

SQL

TableResult tableResult = tableEnvironment.executeSql("show catalogs");
复制代码

3.2.4 列出可用的 Database

Table API 

String[] databases = tableEnvironment.listDatabases();
复制代码

SQL

TableResult tableResult = tableEnvironment.executeSql("show databases");
复制代码

3.2.5 列出可用的 Table

Table API

String[] tables = tableEnvironment.listTables();
复制代码

SQL

TableResult tableResult = tableEnvironment.executeSql("show tables");
复制代码

3.3 Quick Start

需要提前准备可用的 RocketMQ 、RocketMQ Schema Registry:

3.3.1 创建 Topic

创建两个 Topic,rocketmq_source 和 rocketmq_sink。


3.3.2 注册 Source Schema

curl -X POST -H "Content-Type: application/json" \-d '{"schemaIdl":"{\"type\":\"record\",\"name\":\"rocketmq_source_schema\",\"namespace\":\"namespace\",\"fields\":[{\"name\":\"name\",\"type\":\"string\"}]}"}' \http://localhost:8088/schema-registry/v1/subject/rocketmq_source/schema/rocketmq_source_schema
复制代码

3.3.3 注册 Sink Schema

curl -X POST -H "Content-Type: application/json" \-d '{"schemaIdl":"{\"type\":\"record\",\"name\":\"rocketmq_sink_schema\",\"namespace\":\"namespace\",\"fields\":[{\"name\":\"name\",\"type\":\"string\"}]}"}' \http://localhost:8088/schema-registry/v1/subject/rocketmq_sink/schema/rocketmq_sink_schema
复制代码

3.3.4 添加依赖

创建一个任务项目 ,添加 rocketmq-flink 的依赖 :

<dependency>    <groupId>org.apache.rocketmq</groupId>    <artifactId>rocketmq-flink</artifactId>    <version>1.0.0-SNAPSHOT</version></dependency>
复制代码

目前 RocketMQ Schema Registry 还没有发布正式的版本,只有快照版,如果发现 jar 找不到,可以尝试以下方法:

<repositories>    <repository>        <id>snapshot-repos</id>        <name>Apache Snapshot Repository</name>        <url>https://repository.apache.org/snapshots/</url>        <snapshots>            <enabled>true</enabled>        </snapshots>        <layout>default</layout>    </repository></repositories>
复制代码

3.3.5 创建任务

/** * @author lixiaoshuang */public class RocketMqCatalog {    public static void main(String[] args) {        // 初始化表环境参数        EnvironmentSettings environmentSettings = EnvironmentSettings.newInstance().inStreamingMode().build();        // 创建 table 环境        TableEnvironment tableEnvironment = TableEnvironment.create(environmentSettings);

// 注册 rocketmq catalog tableEnvironment.executeSql( "CREATE CATALOG rocketmq_catalog WITH (" + "'type'='rocketmq_catalog'," + "'nameserver.address'='http://localhost:9876'," + "'schema.registry.base.url'='http://localhost:8088');"); tableEnvironment.executeSql("USE CATALOG rocketmq_catalog");
// 从 rocketmq_source 中获取数据写入到 rocketmq_sink 中 TableResult tableResult = tableEnvironment.executeSql("INSERT INTO rocketmq_sink /*+ OPTIONS" + "('producerGroup'='topic_producer_group') */ select * from rocketmq_source /*+ OPTIONS" + "('consumerGroup'='topic_consumer_group') */"); }}
复制代码

启动任务并运行以后,打开 RocketMQ 控制台,往 rocketmq_source 这个 Topic 发送一条消息。



然后再查看 rocketmq_sink 的状态,就会发现消息已经通过写入到 rocketmq_sink 中了。


点击查看更多技术内容

用户头像

还未添加个人签名 2020-10-15 加入

分享阿里云计算平台的大数据和AI方向的技术创新和趋势、实战案例、经验总结。

评论

发布
暂无评论
RocketMQ Flink Catalog 设计与实践_sql_阿里云大数据AI技术_InfoQ写作社区