Flink 实践教程-进阶(2):复杂格式数据抽取

语言: CN / TW / HK

作者:腾讯云流计算 Oceanus 团队

流计算 Oceanus 简介

流计算 Oceanus 是大数据产品生态体系的实时化分析利器,是基于 Apache Flink 构建的具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台。流计算 Oceanus 以实现企业数据价值最大化为目标,加速企业实时化数字化的建设进程。

本文将为您详细介绍如何实时获取 CKafka 中的 JSON 格式数据,经过数据抽取、平铺转换后存入 MySQL 中。

前置准备

创建流计算 Oceanus 集群

进入 流计算 Oceanus 控制台 [1],点击左侧【集群管理】,点击左上方【创建集群】,具体可参考流计算 Oceanus 官方文档 创建独享集群 [2]。

创建消息队列 CKafka

进入 CKafka 控制台 [3],点击左上角【新建】,即可完成 CKafka 的创建,具体可参考 CKafka 创建实例 [4]。

创建 Topic:   进入 CKafka 实例,点击【t opic 管理】>【新建】,即可完成 Topic 的创建,具体可参考 CKafka 创建 Topic [5]。

数据准备:   进入同子网的 CVM 下,启动 Kafka 客户端,模拟发送数据,具体操作参见 运行 Kafka 客户端 [6]。

// 数据格式
{
"id": 1,
"message": "流计算 Oceanus 1元限量秒杀活动",
"userInfo": {
"name": "张三",
"phone": ["12345678910", "8547942"]
},
"companyInfo": {
"name": "Tencent",
"address": "深圳市腾讯大厦"
}
}

创建 MySQL 实例

进入 MySQL 控制台 [7],点击【新建】。具体可参考官方文档 创建 MySQL 实例 [8]。

-- 建表语句
CREATE TABLE `oceanus_advanced2` (
`id` int (100) NOT NULL,
`message` varchar (100) NULL DEFAULT '',
`name` varchar (50) NULL DEFAULT '',
`phone` varchar (11) NULL DEFAULT '',
`company_name` varchar (100) NULL DEFAULT '',
`company_address` varchar (100) NULL DEFAULT '',
PRIMARY KEY (`id`)
) ENGINE = innodb

流计算 Oceanus 作业

1. 创建 Source

CREATE TABLE `kafka_json_source_table` (
`id` INT,
`message` STRING,
`userInfo` ROW<`name` STRING,`phone` ARRAY<STRING>>, -- 采用 ROW 嵌套 ARRAY 格式接收 JSON 字段
`companyInfo` MAP<STRING,STRING> -- 采用 MAP 格式接收 JSON 字段
) WITH (
'connector' = 'kafka',
'topic' = 'oceanus_advanced2', -- 替换为您要消费的 Topic
'scan.startup.mode' = 'earliest-offset', -- 可以是 latest-offset/earliest-offset/specific-offsets/group-offsets/timestamp 的任何一种
'properties.bootstrap.servers' = '10.0.0.29:9092', -- 替换为您的 Kafka 连接地址
'properties.group.id' = 'testGroup', -- 必选参数, 一定要指定 Group ID
'format' = 'json', -- 定义 JSON 格式,部分其他格式可能不支持抽取平铺
'json.fail-on-missing-field' = 'false', -- 如果设置为 false, 则遇到缺失字段不会报错。
'json.ignore-parse-errors' = 'true' -- 如果设置为 true,则忽略任何解析报错。
);

2. 创建 Sink

CREATE TABLE `jdbc_upsert_sink_table` (
`id` INT,
`message` STRING,
`name` STRING,
`phone` STRING,
`company_name` STRING,
`company_address` STRING
) WITH (
'connector' = 'jdbc',
'url' = 'jdbc:mysql://10.0.0.158:3306/testdb?rewriteBatchedStatements=true&serverTimezone=Asia/Shanghai', -- 请替换为您的实际 MySQL 连接参数
'table-name' = 'oceanus_advanced2', -- 需要写入的数据表
'username' = 'root', -- 数据库访问的用户名(需要提供 INSERT 权限)
'password' = 'Tencent123$', -- 数据库访问的密码
'sink.buffer-flush.max-rows' = '200', -- 批量输出的条数
'sink.buffer-flush.interval' = '2s' -- 批量输出的间隔
);

3. 编写业务 SQL

INSERT INTO `jdbc_upsert_sink_table`
SELECT
id AS id,
message AS message,
userInfo.name AS name, -- 获取 Row 中成员采用.成员的方式
userInfo.phone[1] AS phone, -- 获取 Array 中成员采用 [数组下标] 的方式
companyInfo['name'] AS company_name, -- 获取 Map 中成员采用 ['属性名'] 的方式
companyInfo['address'] AS company_address
FROM `kafka_json_source_table`;

新版 Flink 1.13 集群无需用户选择内置 Connector,平台自动匹配获取

总结

本文详细介绍了如何通过 SQL 作业定义和获取 MAP、ARRAY、ROW 类型数据。更多内置运算符和函数请参考 流计算 Oceanus 官方文档 [9]。

参考链接

[1]流计算 Oceanus 控制台: https://console.cloud.tencent.com/oceanus/overview  

[2] 创建独享集群: https://cloud.tencent.com/document/product/849/48298  

[3] CKafka 控制台: https://console.cloud.tencent.com/ckafka/index?rid=1  

[4] CKafka 创建实例: https://cloud.tencent.com/document/product/597/54839  

[5] Ckafka 创建 Topic: https://cloud.tencent.com/document/product/597/54854  

[6] 运行 Kafka 客户端: https://cloud.tencent.com/document/product/597/56840  

[7] MySQL 控制台: https://console.cloud.tencent.com/cdb  

[8] 创建 MySQL 实例: https://cloud.tencent.com/document/product/236/46433  

[9] 内置运算符和函数: https://cloud.tencent.com/document/product/849/18083

流计算 Oceanus  限量秒杀专享活动火爆进行中↓↓

点击文末 「阅读原文」 ,了解腾讯云流计算 Oceanus 更多信息 ~

腾讯云大数据

长按二维码
关注我们