flink kafka的Sink或者Source 使用avro序列化方式

1.环境情况

flink 1.11
kafka 2.4.0

2. 操作准备

a. avro 的jar 包 avro-tools-1.7.7.jar
b. 对象的 XXX.avsc 文件 ,描述序列化各个字段的属性类型。

namespace：命名路径
type：固定写法 record
name：java对象类名
fields：字段描述

{
    "namespace":"com.test.avro",
    "type":"record",
    "name":"User",
    "fields":[
        {
            "name":"name",
            "type":"string"
        },
        {
            "name":"age",
            "type":[
                "int",
                "null"
            ]
        },
        {
            "name":"email",
            "type":[
                "string",
                "null"
            ]
        },
        {
            "name":"custom_props",
            "type":[
                "null",
                {
                    "type":"map",
                    "values":"string"
                }
            ]
        }
    ]
}

3. 执行步骤

a第一步.使用windows 自动生成 XXX.java 文件
命令：C:\Users\colin>java -jar F:\repository\org\apache\avro\avro-tools\1.7.7\avro-tools-1.7.7.jar compile -string schema C:\Users\colin\IdeaProjects\logs_behavior_analysis_v2\ods_logs_kafka\src\main\resources\avro\Logs.avsc ./
java -jar + tools路径+ copile -string schema + XXX.avsc路径+ XXX.java存放路径

注意：不加-string 则默认使用 CharSequence类型，遇到map就会自动加密（base64加密方式），本人再这里搞了很久都解析不出map中的字段。所以建议使用 -string指定字段属性为String。

image.png

生成的java文件截图如下：

image.png

b第二步：放入程序中，引用此对象
sink的序列化

   AvroSerializationSchema avroSerializationSchema = AvroSerializationSchema.forSpecific(Logs.class);
//Logs.class 这个就是你生成的 XXX.java文件
        final FlinkKafkaProducer010 myProducer = new FlinkKafkaProducer010<>(
                topic,
                avroSerializationSchema,
                prop);

Source 反序列化

AvroDeserializationSchema avroDeserializationSchema = AvroDeserializationSchema.forSpecific(Logs.class);

        DataStream kafkaStream = env.addSource(new FlinkKafkaConsumer010("colin_topic", avroDeserializationSchema, properties))

4. tools maven

通过这样tools下载包

   
            org.apache.avro
            avro-tools
            1.7.7