3.阿里云flink&selectdb-py作业

1.概述

本文介绍在阿里云实时计算flink中使用python作业，把oss中的数据同步数据到阿里云selectdb的过程。python简单的语法特性更适合flink作业的开发；

先说结论:

在实际开发中遇到了很多问题，导致python作业基本基本无法运行。最后放弃了；

python作业中的标量函数的错误没有日志，永远是报这个错误:ExceptionInChainedOperatorException: Could not forward element to next operator，定位不到具体问题；
python作业中的用户定义的标量函数基本无法运行。本地测试没有问题的函数，提交到flink中就报错。怀疑是环境中没有flink-python.jar，自己上传此jar和flink中的包不兼容(阿里云flink和开源版本flink有些jar包不一样)；
如果各位遇到些问题并且有解决方案，麻烦也告知我，非常感谢；

2.目标

把阿里云sls日志中的数据准实时同步到云服务selectdb；

源表	flink	结果表
阿里云sls	实时计算flink	云服务selectdb

3.步骤

3.1.搭建环境

shell 复制代码

#**创建虚拟环境essa-flink，pyhton版本为3.11.9
conda create -n essa-flink python=3.11.9

#**安装apache-flink-1.20版本。安装的依赖比较大，指定国内的pip源
pip install apache-flink==1.20.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3.2.创建作业

作业代码本身很简单，逐行读取sls的日志，进行转换后保存到selectdb中。转换函数为do_active_log，在本地测试过程中遇到了第一个问题后，很轻松愉快就通过了。部署在flink中出现了其它问题；

首先是阿里云提供sls连接器(ververica-connector-sls-1.17-vvr-8.0.8.jar)不可用，报错缺少com/alibaba/ververica/connectors/sls/source/SLSRecordReader。查看源码，确实没有定义此类。提工单后，建设使用低版本解决；
然后报错缺少flink-python，不能执行python函数。于是把flink-python上传，并在作业中引用依赖；
最后报错ExceptionInChainedOperatorException: Could not forward element to next，无法执行。把作业中函数调用do_active_log删除后正常。提工单后还是没有解决。最后放弃，改用jar作业；

python 复制代码

def do_active_log(row: Row) -> Row:
    '''用户登录日志处理'''
    logging.info('执行do_active_log函数...')
    params = json.loads(row[2])

    occurred = datetime.fromtimestamp(float(row[1]))
    user_id = params['userId']
    platform = params['platform']
    last_active_time = occurred
    create_time = occurred
    id = occurred.strftime("%Y%m%d") + str(user_id)

    return Row(str(id), int(user_id), platform, last_active_time, create_time)

def create_active_log_sink_table(table_env: StreamTableEnvironment, sink_table: str):
    '''创建用户登录日志结果表'''
    sql = '''
        create temporary table {}(
            id string,
            user_id int,
            platform string,
            last_active_time timestamp,
            create_time timestamp,
            primary key(id) not enforced
        ) with (
            'connector' = 'doris',
            'fenodes' = '{}',
            'table.identifier' = '{}',
            'username' = '{}',
            'password' = '{}',
            'sink.properties.format' = 'json'
        )
        '''.format(sink_table, sink_config['fenodes'], sink_config['table.identifier'], 
                   sink_config['username'], sink_config['password'])
    table_env.execute_sql(sql)

def get_soruce_datastream(table_env: StreamTableEnvironment):
    '''创建datastream'''
    times = {'start_time': '', 'stop_time': ''}
    sql = '''
        create temporary table essa_ubc(
            ip string,
            `time` string,
            content string,
            __topic__ string metadata virtual,
            __source__ string metadata virtual,
            __timestamp__ string metadata virtual
        ) with (
            'connector' = 'sls',
            'endpoint' = '{}',
            'accessId' = '{}',
            'accessKey' = '{}',
            'project' = '{}',
            'logstore' ='essa-ubc',
            'startTime' = '{}',
            'stopTime' = '{}',
            'exitAfterFinish' = 'true'
        )
        '''.format(source_config['sls_endpoint'], source_config['access_id'], source_config['access_secret'],
                   source_config['sls_project'], times['start_time'], times['stop_time'])
    table_env.execute_sql(sql)
    source_table = table_env.from_path('essa_ubc')
    return table_env.to_append_stream(source_table, Types.ROW([Types.STRING(), Types.STRING(), Types.STRING(), Types.STRING(),
                                                           Types.STRING(), Types.STRING()]))

if __name__ == '__main__':
    env = StreamExecutionEnvironment.get_execution_environment()
    t_env = StreamTableEnvironment.create(stream_execution_environment=env)
    #**加载依赖的jar包
    t_env.get_config().set("pipeline.jars", "依赖包.jar")
    
    #**创建sls源
    ds = get_soruce_datastream(t_env)

    #**用户登录日志处理
    #**读取sls日志数据，然后使用自定义标量函数处理数据
    ds = ds.filter(lambda d: d[3] == 'activeLog').map(do_active_log, Types.ROW([Types.STRING(), Types.INT(), Types.STRING(),
                                                                                Types.SQL_TIMESTAMP(), Types.SQL_TIMESTAMP()]))
    table = t_env.from_data_stream(ds)
    active_log_sink_table = 'user_active_log'
    create_active_log_sink_table(t_env, active_log_sink_table)
    table.execute_insert(active_log_sink_table).wait()