简述
Apache Flink 是一个流处理和批处理的开源框架,它允许从各种数据源(如 Kafka)读取数据,处理数据,然后将数据写入到不同的目标系统(如 MongoDB)。以下是一个简化的流程,描述如何使用 Flink 从 Kafka 读取数据并保存到 MongoDB:
1、环境准备
- 安装并配置 Apache Flink。
- 安装并配置 Apache Kafka。
- 安装并配置 MongoDB。
- 创建一个 Kafka 主题,并发送一些测试数据。
- 确保 Flink 可以连接到 Kafka 和 MongoDB。
部署参考:
1、flink:Flink 部署执行模式
2、kafka:Flink mongo & Kafka
3、mongoDb:mongo副本集本地部署
2. 添加依赖
在Flink 项目中,需要添加 Kafka 和 MongoDB 的连接器依赖。对于 Maven 项目,可以在 pom.xml 文件中添加相应的依赖。
对于 Kafka,需要添加 Flink Kafka Connector 的依赖。
对于 MongoDB,需要添加 Flink MongoDB Sink 的依赖。
3. 编写 Flink 作业
bash
* 创建一个 Flink 作业,使用 Flink 的 `FlinkKafkaConsumer` 从 Kafka 主题中读取数据。
* 对读取的数据进行必要的转换或处理。
* 使用 MongoDB 的 Java 驱动程序或第三方库将处理后的数据写入 MongoDB。
4. 运行 Flink 作业
使用 Flink 的命令行工具或 IDE 运行 Flink 作业。确保 Kafka 和 MongoDB 正在运行,并且 Flink 可以访问它们。
5. 监控和调试
使用 Flink 的 Web UI 或其他监控工具来监控作业。如果出现问题,检查日志并进行调试。
6. 优化和扩展
根据需求和数据量,优化 Flink 作业的性能和可扩展性。这可能包括调整并行度、增加资源、优化数据处理逻辑等。
代码
java
package com.wfg.flink.connector.kafka;
import com.mongodb.client.model.InsertOneModel;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.connector.kafka.source.KafkaSource;
import org.apache.flink.connector.kafka.source.enumerator.initializer.OffsetsInitializer;
import org.apache.flink.connector.mongodb.sink.MongoSink;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.bson.BsonDocument;
import static com.wfg.flink.connector.constants.Constants.KAFKA_BROKERS;
import static com.wfg.flink.connector.constants.Constants.TEST_TOPIC_PV;
/**
* @author wfg
*/
public class KafkaToWriteMongo {
public static void main(String[] args) throws Exception {
// 1. 设置 Flink 执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
KafkaSource<String> source = KafkaSource.<String>builder()
.setBootstrapServers(KAFKA_BROKERS)
.setTopics(TEST_TOPIC_PV)
.setGroupId("my-test-topic-pv")
.setStartingOffsets(OffsetsInitializer.latest())
.setValueOnlyDeserializer(new SimpleStringSchema())
.build();
DataStreamSource<String> rs = env.fromSource(source, WatermarkStrategy.noWatermarks(), "Kafka Source");
// 创建RollingFileSink
MongoSink<String> sink = MongoSink.<String>builder()
.setUri("mongodb://root:123456@127.0.0.1:27017,127.0.0.1:27018,127.0.0.1:27019/admin?replicaSet=rs0&authSource=admin")
.setDatabase("sjzz")
.setCollection("TestMongoPv")
.setMaxRetries(3)
// .setDeliveryGuarantee(DeliveryGuarantee.AT_LEAST_ONCE)
.setSerializationSchema(
(input, context) -> {
System.out.println(input);
return new InsertOneModel<>(BsonDocument.parse(input));
})
.build();
rs.sinkTo(sink);
// 6. 执行 Flink 作业
env.execute("Kafka Flink Job");
}
}