FlinkSql功能测试及实战演练

前言：Flink在国内的占有率逐步提升的情况下，各项组件的功能与稳定性也得到逐步提升。为了解决目前已有的复杂需求，尝试研究flinksql的特性与功能，作为是否引入该组件的依据。同时尝试将现有需求通过简单demo的形式进行测试。本次测试主要集中在Kafka、mysql、Impala三个组件上，同时将结合官方文档进行：

https://ci.apache.org/projects/flink/flink-docs-release-1.12/zh/

1 前期准备

1.1 环境配置

本次研究测试需要用到以下组件：

CDH 6.3.2
Flink 1.12.2
mysql 5.7
impala 3.2.0-cdh6.3.2
kafka 2.2.1-cdh6.3.2

1.2 依赖关系

本次测试会将FlinkSql与kafka、mysql、impala等组件进行conn，因此需要以下依赖包：

flink-connector-kafka_2.11-1.12.2.jar
flink-connector-jdbc_2.11-1.11.2.jar
mysql-connector-java-5.1.47.jar
ImpalaJDBC4.jar
ImpalaJDBC41.jar
flink-sql-connector-kafka_2.11-1.12.2.jar

1.3 重启flink

将上述所需的jar包放入$FLINK_HOME/lib中之后（所有部署flink的服务器都需要放），重启yarn-session

yarn-session.sh --detached
sql-client.sh embedded

2 FlinkSql-kafka测试

FlinkSql-kafka相关资料：

https://ci.apache.org/projects/flink/flink-docs-release-1.12/zh/dev/table/connectors/kafka.html

2.1 FlinkSql-kafka常规功能测试

通过FlinkSql将Kafka中的数据映射成一张表

2.1.1 创建常规topic

1、创建topic
kafka-topics  --create --zookeeper 192.168.5.185:2181,192.168.5.165:2181,192.168.5.187:2181 --replication-factor 3 --partitions 3 --topic test01

2、模拟消费者
kafka-console-consumer  --bootstrap-server 192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092 --topic test01 --from-beginning

3、模拟生产者
kafka-console-producer  --broker-list 192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092 --topic test01

4、删除topic
kafka-topics --delete --topic test01 --zookeeper 192.168.5.185:2181,192.168.5.165:2181,192.168.5.187:2181

2.1.2 FlinkSql建表

CREATE TABLE t1 (
    name string,
    age BIGINT,
    isStu INT,
    opt STRING,
    optDate TIMESTAMP(3) METADATA FROM 'timestamp'
) WITH (
    'connector' = 'kafka',  -- 使用 kafka connector
    'topic' = 'test01',  -- kafka topic
    'scan.startup.mode' = 'earliest-offset',
    'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
    'format' = 'csv'  -- 数据源格式为 csv，
);
select * from t1;

2.1.3 写入数据

往kafka中写入数据，同时查看flinksql中t1表的变化

zhangsan,20,1,1
lisi,18,1,2
wangwu,30,2,2

2.1.4 小结

通过kafka数据映射成表这个步骤，可以将数据实时的汇入表中，通过sql再进行后续操作，相对代码编写来说更为简易，同时有问题也相对好排查

2.2 FlinkSql-upsertKafka常规功能测试

upsert-kafka 连接器生产 changelog 流，其中每条数据记录代表一个更新或删除事件。

如果有key则update，没有key则insert，如果value的值为空，则表示删除

2.2.1 FlinkSql建upsert表

drop table t2;
CREATE TABLE t2 (
  name STRING,
  age bigint,
  isStu INT,
  opt STRING,
  optDate TIMESTAMP(3) ,
  PRIMARY KEY (name) NOT ENFORCED
) WITH (
  'connector' = 'upsert-kafka',
  'topic' = 'test02',
  'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
  'key.format' = 'csv',
  'value.format' = 'csv'
);

2.2.2 建立映射关系

将t1表中的数据写入到t2中

INSERT INTO t2 SELECT * FROM t1 ;
select * from t2;

结果如下：

2.2.3 更新数据

继续模拟kafka生产者，写入如下数据

zhangsan,25,1,2
risen,8,8,8
lisi,0,0,

结果如下：

2.2.4小结

通过如上测试，两条更新，一条插入，都已经实现了，

根据官方文档描述，指定key的情况下，当value为空则判断为删除操作

但是假如我插入一条数据到kafka，例如：

lisi,,,

只有key，没有value，t1表就会报如下错误

因为建表的时候有几个类型定义为了Int类型，这里为空它默认为是""空字符串，有点呆，推测如果是json格式这类可以指定数据类型的，才能直接使用。对于csv这种数据类型不确定的，会存在无法推断类型的情况。

鉴于此，为了探究是否真的具备删除操作，我又将上述所有表结构都进行了修改。为了试验简单，我直接修改表结构再次测试

drop TABLE t1;
CREATE TABLE t1 (
    name STRING,
    age STRING,
    isStu STRING,
    opt STRING,
    optDate TIMESTAMP(3) METADATA FROM 'timestamp'
) WITH (
    'connector' = 'kafka',  -- 使用 kafka connector
    'topic' = 'test01',  -- kafka topic
    'scan.startup.mode' = 'earliest-offset',
    'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
    'format' = 'csv'  -- 数据源格式为 csv，
);
drop table t2;
CREATE TABLE t2 (
  name STRING,
  age STRING,
  isStu STRING,
  opt STRING,
  optDate TIMESTAMP(3) ,
  PRIMARY KEY (name) NOT ENFORCED
) WITH (
  'connector' = 'upsert-kafka',
  'topic' = 'test02',
  'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
  'key.format' = 'csv',
  'value.format' = 'csv'
);
INSERT INTO t2 SELECT * FROM t1 ;
select * from t2;

依然没有在t2表中删除掉该条记录，该功能需要进一步探索，以后在跟进。

2.3 FlinkSql-upsertKafka关于kafka中数据过期测试

2.3.1 创建10分钟策略的topic

kafka-topics  --create --zookeeper 192.168.5.185:2181,192.168.5.165:2181,192.168.5.187:2181 --replication-factor 3 --partitions 3 --topic test01   --config log.retention.minutes=10

kafka-console-producer  --broker-list 192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092 --topic test01

kafka-topics --delete --topic test01 --zookeeper 192.168.5.185:2181,192.168.5.165:2181,192.168.5.187:2181

kafka-console-consumer  --bootstrap-server 192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092 --topic output --from-beginning

kafka-topics --bootstrap-server 192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092 --topic test01 --describe

2.3.2 创建flinksql的表

CREATE TABLE t1 (
    name string,
    age BIGINT,
    isStu INT,
    opt STRING,
    optDate TIMESTAMP(3) METADATA FROM 'timestamp',
    WATERMARK FOR optDate as optDate - INTERVAL '5' SECOND  -- 在ts上定义watermark，ts成为事件时间列
) WITH (
    'connector' = 'kafka',  -- 使用 kafka connector
    'topic' = 'test01',  -- kafka topic
    'scan.startup.mode' = 'earliest-offset',
    'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
    'format' = 'csv'  -- 数据源格式为 csv，
);

CREATE TABLE t2 (
  name STRING,
  age bigint,
  PRIMARY KEY (name) NOT ENFORCED
) WITH (
  'connector' = 'upsert-kafka',
  'topic' = 'output',
  'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
  'key.format' = 'csv',
  'value.format' = 'csv'
);

INSERT INTO t2
SELECT
name,
max(age)
FROM t1
GROUP BY name;

2.3.3 写入数据

zhangsan,18,1,insert
lisi,20,2,update
wangwu,30,1,delete

2.3.4 等待策略过期

flink映射的kafka数据因为数据删除，导致t1表里为空

但是t2是基于t1的汇总表，在t1被清空的情况下，t2依旧存在

3 FlinkSql-JDBC

FlinkSql-JDBC相关资料：

https://ci.apache.org/projects/flink/flink-docs-release-1.12/dev/table/connectors/jdbc.html

3.1 FlinkSql-JDBC-Mysql常规功能测试

3.1.1 mysql建表并写入数据

create table test.test01(name varchar(10),age int, primary key (name));
INSERT INTO test.test01(name, age)VALUES('zhangsan', 20);
INSERT INTO test.test01(name, age)VALUES('lisi', 30);
INSERT INTO test.test01(name, age)VALUES('wangwu', 18);

3.1.2 flinkSql建表

drop table mysqlTest ;
create table mysqlTest (
name string,
age int,
PRIMARY KEY (name) NOT ENFORCED
) with (
 'connector' = 'jdbc',
 'url' = 'jdbc:mysql://192.168.5.187:3306/test',
 'username' = 'root',
 'password' = '123456',
 'table-name' = 'test01'
 
);
select * from mysqlTest;

3.1.3 flinksql写入/更新数据到mysql

3.1.3.1 写入

INSERT INTO mysqlTest(name, age)VALUES('risen', 88);

在flink表与mysql表中，都多了该条记录

3.1.3.2 更新

INSERT INTO mysqlTest (name, age) VALUES('zhangsan', 50);

flinksql

mysql

3.1.3.3 删除

官方文档对delete简单提了一下，但是在实际中并没有

JDBC连接器允许使用JDBC驱动程序从任何关系数据库读取数据或将数据写入任何关系数据库。本文档介绍了如何设置JDBC连接器以对关系数据库运行SQL查询。

如果在DDL上定义了主键，则JDBC接收器将在upsert模式下运行以与外部系统交换UPDATE / DELETE消息，否则，它将在附加模式下运行，并且不支持使用UPDATE / DELETE消息。

尝试删除：

DELETE FROM mysqlTest where name='zhangsan';
INSERT INTO mysqlTest (name, age) VALUES('zhangsan', null);

3.1.4 小结

flinkSql连接mysql，增删改查，增加与查询很容易实现，但是修改一定要在建表的时候，指定主键才可以实现upsert，删除目前好像没办法实现

3.2 FlinkSql-JDBC-Impala常规测试

3.2.1 Impala创建kudu表

drop table kudu_test.kuduTest;
CREAT TABLE kudu_test.kuduTest
(
    name string,
    age BIGINT,
    isStu INT,
    opt STRING,
    PRIMARY KEY(name)
)STORED AS KUDU;
INSERT INTO kudu_test.mysqlTest(name, age,isStu,opt)VALUES('zhangsan', 20,1,'1');
INSERT INTO kudu_test.mysqlTest(name, age,isStu,opt)VALUES('lisi', 30,1,'1');
INSERT INTO kudu_test.mysqlTest(name, age,isStu,opt)VALUES('wangwu', 18,1,'1');

3.2.2 flinkSql建表

drop table impalaTest ;
create table impalaTest (
name string,
age int,
PRIMARY KEY (name) NOT ENFORCED
) with (
 'connector' = 'jdbc',
 'url' = 'jdbc:impala://192.168.5.185:21050/kudu_test',
 'username' = 'root',
 'password' = '123456',
 'table-name' = 'kuduTest',
 'driver'='com.cloudera.impala.jdbc4.Driver'
 
);
select * from impalaTest;

呃，不支持impala

3.2.3 小结

目前暂不支持通过JDBC连接Impala

4 总结

1、Flinksql支持kafka、mysql，且已经支持upsert功能，但是在测试delete的时候，发现都无法直接实现，但是可以通过汇总一次，在逻辑上实现。在尝试将flinksql连接impala的时候报错，目前暂不支持，但是可以考虑通过将数据写入kafka，最后impala来消费来实现。

2、在大数据场景中，每条数据都是有价值的。当某天有"统计删除了多少条数据"的需求时，物理删除掉的数据再也无法捞回，导致需求无法实现。所以建议不删除任何数据，以保留数据状态的形式，实现逻辑上的删除，即不统计当前状态为"删除"的数据。

5 实战演练

5.1 场景及需求

通过简单demo实现：

1、维度表更新

2、实时统计指标

5.1.1 源数据

姓名，年龄，身份，在校状态（1：存在:2：不存在）
name,age,identity,status
zhangsan,20,1,1
lisi,18,1,2
wangwu,30,2,2

5.1.2 维度表

身份维度表
dim_identity 1：学生，2：老师

5.2 流程设计

5.3 代码实现

5.3.1 创建mysql维度表并插入数据

create table test.dim_identity(name varchar(10),identity int);
INSERT INTO test.dim_identity(name, identity)VALUES('学生', 1);
INSERT INTO test.dim_identity(name, identity)VALUES('老师', 2);

5.3.2 将mysql维度表映射成FlinkSql中的表

drop table dim_identity ;
create table dim_identity (
name string,
identity int
) with (
 'connector' = 'jdbc',
 'url' = 'jdbc:mysql://192.168.5.187:3306/test',
 'username' = 'root',
 'password' = '123456',
 'table-name' = 'dim_identity'
);
select * from dim_identity;

5.3.3 创建映射kafka的源数据表

CREATE TABLE ods_kafka (
    name string,
    age BIGINT,
    identity INT,
    status STRING,
    insertDate TIMESTAMP(3) METADATA FROM 'timestamp'
) WITH (
    'connector' = 'kafka',  -- 使用 kafka connector
    'topic' = 'stuLog',  -- kafka topic
    'scan.startup.mode' = 'earliest-offset',
    'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
    'format' = 'csv'  -- 数据源格式为 csv，
);
select * from ods_kafka;

5.3.4 根据源数据表汇总成用户状态表

采用upsert的方式，以最新一条数据作为用户的状态

drop table tds_user_status;
CREATE TABLE tds_user_status (
  name STRING,
  age bigint,
  identity INT,
  status STRING,
  insertDate TIMESTAMP(3) ,
  PRIMARY KEY (name) NOT ENFORCED
) WITH (
  'connector' = 'upsert-kafka',
  'topic' = 'tdsResult',
  'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
  'key.format' = 'csv',
  'value.format' = 'csv'
);
INSERT INTO tds_user_status SELECT * FROM ods_kafka ;
select * from tds_user_status;

5.3.5 统计指标

统计以下指标：

当前在校的老师数量
当前总共多少学生
学生占总数的比例
当前状态为在校占总数的比例

建FlinkSql表接收指标

drop table rpt_result;
CREATE TABLE rpt_result (
  inStuTeatherNum int,
  StudentNum int,
  StudengRate FLOAT,
  inStuRate FLOAT,
  countDate TIMESTAMP(3) METADATA FROM 'timestamp',
  PRIMARY KEY (countDate) NOT ENFORCED
) WITH (
  'connector' = 'upsert-kafka',
  'topic' = 'rptResult',
  'properties.bootstrap.servers' = '192.168.5.185:9092,192.168.5.165:9092,192.168.5.187:9092',  -- kafka broker 地址
  'key.format' = 'csv',
  'value.format' = 'csv'
);

开始统计：

INSERT INTO rpt_result 
SELECT 
sum(case when t2.name = '老师' and t1.status =1 then 1 else 0 end ) inStuTeatherNum
,sum(case when t2.name = '学生' then 1 else 0 end ) StudentNum
,sum(case when t2.name = '学生' then 1 else 0 end )/sum(1) StudengRate
,sum(case when t1.status = 1 then 1 else 0 end )/sum(1) inStuRate
FROM tds_user_status t1 
left join dim_identity t2
on t1.identity=t2.identity
;
select * from rpt_result