大数据——Flink的KafkaSource和自定义Source

一、KafkaSource

在流式处理过程中，Kafka 和 Flink 的整合是许多公司所使用的架构。而 Flink 和 Kafka 的整合也非常友好，代码非常简单，实际开发中使用较多

package cn.kgc.source

import java.util.Properties

import org.apache.flink.api.common.serialization.SimpleStringSchema
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer
import org.apache.kafka.clients.consumer.ConsumerConfig

class KafkaSource {
  def main(args: Array[String]): Unit = {
    //创建环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment

    //Kafka消费者配置信息，可以使用ConsumerConfig
    val props = new Properties()
    props.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"master:9092")
    props.setProperty(ConsumerConfig.GROUP_ID_CONFIG,"test1")

    //接收数据 Source
    val inputStream = env.addSource(new FlinkKafkaConsumer[String]("test", new SimpleStringSchema(), props))
    
    //结果输出
    inputStream.print()
    
    //执行程序
    env.execute()
  }
}

二、单线程自定义 Source

2.1 SourceFunction

package cn.kgc.source

import org.apache.flink.streaming.api.functions.source.SourceFunction
import org.apache.flink.streaming.api.scala._

import scala.util.Random

object MySource {
  def main(args: Array[String]): Unit = {
    //创建环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    
    //读取数据 Source
    val inputStream = env.addSource(new MySourceFunc)
    
    //结果输出
    inputStream.print()
    
    //执行程序
    env.execute()
  }
}

//创建一个名为Student的样例类
case class Student(stuId:Int,stuName:String,stuAge:Int,score:Int)

//创建一个继承SourceFunction的单线程自定义Source，类型为Student
class MysourceFunc extends SourceFunction[Student]{
  var flag:Boolean = true 
  //重写run方法
  override def run(sourceContext: SourceFunction.SourceContext[Student]): Unit = {
    while (flag){
      //线程休眠500毫秒
      Thread.sleep(500)
      val random = new Random().nextInt(10)
      //数据通过上下文中collect方法将数据发送出去
      sourceContext.collect(Student(random,"jack-0"+random,20+random,90+random))
    }
  }

  //重写cancel方法
  override def cancel(): Unit = {
    flag = false
  }
}

值的注意的是，单线程自定义 Source 在创建环境是并行度只能设置为1

三、多线程自定义Source

以RichParallelSourceFunction并发读取Mysql数据库为例

package cn.kgc.source

import java.sql.{DriverManager, PreparedStatement}

import com.mysql.jdbc.Connection
import org.apache.flink.configuration.Configuration
import org.apache.flink.streaming.api.functions.source.{RichParallelSourceFunction, SourceFunction}
import org.apache.flink.streaming.api.scala._

object MyJDBCSource1 {
  def main(args: Array[String]): Unit = {
    //创建环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(2)

    //接收数据 Source
    val inputStream = env.addSource(new MyJDBCSourceFunc)
    
    //结果输出
    inputStream.print()

    //执行程序
    env.execute()
  }
}

//自定义样例类
case class Worker(name:String,salary:Long)

//自定义实现并行化接口
class MyJDBCSourceFunc extends RichParallelSourceFunction[Worker]{

  var conn:Connection = _
  var pst:PreparedStatement = _
  var flag:Boolean = true
  override def open(parameters: Configuration): Unit = {
    conn = DriverManager.getConnection("jdbc:mysql://hadoop101:3306/test?characterEncoding=utf-8&&serverTimezone=UTC&&useSSL=false","root","12345678")
    pst = conn.prepareStatement("select * from worker")
    
  }

  override def close(): Unit = super.close()

  override def run(sourceContext: SourceFunction.SourceContext[Worker]): Unit = {
    while (flag){
      Thread.sleep(5000)
      val resultSet = pst.executeQuery()
      while (resultSet.next()){
        val name = resultSet.getString(1)
        val salary = resultSet.getInt(2)
        sourceContext.collect(Worker(name,salary))
      }
    }
  }

  override def cancel(): Unit = {
    flag = false
  }
}

四、补充（富函数(RichXxxFunction)的作用）

“富函数”是DataStream API提供的一个函数类的接口，所有Flink函数类都有其Rich版本。它与常规函数的不同在于，可以获取运行环境的上下文，并拥有一些生命周期方法，所以可以实现更复杂的功能。
Rich Function有一个生命周期的概念。典型的生命周期方法有：
 open()方法是rich function的初始化方法，当一个算子例如map或者filter被调用之前open()会被调用。
 close()方法是生命周期中的最后一个调用的方法，做一些清理工作。
 getRuntimeContext()方法提供了函数的RuntimeContext的一些信息，例如函数执行的并行度，任务的名字，以及state状态