写入mysql_《从0到1学习Flink》—— Flink 读取 Kafka 数据批量写入到 MySQL

阳光穿透心脏的1/2处 2023-01-05 12:25 227阅读 0赞

![83490406c21ae5c958a2a90ebf08b2eb.png][]

## 前言 ##

之前其实在 《从0到1学习Flink》—— 如何自定义 Data Sink ？ 文章中其实已经写了点将数据写入到 MySQL，但是一些配置化的东西当时是写死的，不能够通用，最近知识星球里有朋友叫我: 写个从 kafka 中读取数据，经过 Flink 做个预聚合，然后创建数据库连接池将数据批量写入到 mysql 的例子。

![a0ecd5a61cc5bf70d5b0416f06f72b0e.png][]

于是才有了这篇文章，更多提问和想要我写的文章可以在知识星球里像我提问，我会根据提问及时回答和尽可能作出文章的修改。

## 准备 ##

你需要将这两个依赖添加到 pom.xml 中

<dependency>
        <groupId>mysql</groupId>
        <artifactId>mysql-connector-java</artifactId>
        <version>5.1.34</version>
    </dependency>

## 读取 kafka 数据 ##

这里我依旧用的以前的 student 类，自己本地起了 kafka 然后造一些测试数据，这里我们测试发送一条数据则 sleep 10s，意味着往 kafka 中一分钟发 6 条数据。

package com.zhisheng.connectors.mysql.utils;
    
    import com.zhisheng.common.utils.GsonUtil;
    import com.zhisheng.connectors.mysql.model.Student;
    import org.apache.kafka.clients.producer.KafkaProducer;
    import org.apache.kafka.clients.producer.ProducerRecord;
    
    import java.util.Properties;
    
    /**
     * Desc: 往kafka中写数据,可以使用这个main函数进行测试
     * Created by zhisheng on 2019-02-17
     * Blog: http://www.54tianzhisheng.cn/tags/Flink/
     */
    public class KafkaUtil {
         
        public static final String broker_list = "localhost:9092";
        public static final String topic = "student";  //kafka topic 需要和 flink 程序用同一个 topic
    
        public static void writeToKafka() throws InterruptedException {
         
            Properties props = new Properties();
            props.put("bootstrap.servers", broker_list);
            props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
            props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
            KafkaProducer producer = new KafkaProducer<String, String>(props);
    
            for (int i = 1; i <= 100; i++) {
         
                Student student = new Student(i, "zhisheng" + i, "password" + i, 18 + i);
                ProducerRecord record = new ProducerRecord<String, String>(topic, null, null, GsonUtil.toJson(student));
                producer.send(record);
                System.out.println("发送数据: " + GsonUtil.toJson(student));
                Thread.sleep(10 * 1000); //发送一条数据 sleep 10s，相当于 1 分钟 6 条
            }
            producer.flush();
        }
    
        public static void main(String[] args) throws InterruptedException {
         
            writeToKafka();
        }
    }

从 kafka 中读取数据，然后序列化成 student 对象。

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    Properties props = new Properties();
    props.put("bootstrap.servers", "localhost:9092");
    props.put("zookeeper.connect", "localhost:2181");
    props.put("group.id", "metric-group");
    props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
    props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
    props.put("auto.offset.reset", "latest");
    
    SingleOutputStreamOperator<Student> student = env.addSource(new FlinkKafkaConsumer011<>(
            "student",   //这个 kafka topic 需要和上面的工具类的 topic 一致
            new SimpleStringSchema(),
            props)).setParallelism(1)
            .map(string -> GsonUtil.fromJson(string, Student.class)); //，解析字符串成 student 对象

因为 RichSinkFunction 中如果 sink 一条数据到 mysql 中就会调用 invoke 方法一次，所以如果要实现批量写的话，我们最好在 sink 之前就把数据聚合一下。那这里我们开个一分钟的窗口去聚合 Student 数据。

student.timeWindowAll(Time.minutes(1)).apply(new AllWindowFunction<Student, List<Student>, TimeWindow>() {
         
        @Override
        public void apply(TimeWindow window, Iterable<Student> values, Collector<List<Student>> out) throws Exception {
         
            ArrayList<Student> students = Lists.newArrayList(values);
            if (students.size() > 0) {
         
                System.out.println("1 分钟内收集到 student 的数据条数是：" + students.size());
                out.collect(students);
            }
        }
    });

## 写入数据库 ##

这里使用 DBCP 连接池连接数据库 mysql，pom.xml 中添加依赖：

<dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-dbcp2</artifactId>
        <version>2.1.1</version>
    </dependency>

如果你想使用其他的数据库连接池请加入对应的依赖。

这里将数据写入到 MySQL 中，依旧是和之前文章一样继承 RichSinkFunction 类，重写里面的方法：

package com.zhisheng.connectors.mysql.sinks;
    
    import com.zhisheng.connectors.mysql.model.Student;
    import org.apache.commons.dbcp2.BasicDataSource;
    import org.apache.flink.configuration.Configuration;
    import org.apache.flink.streaming.api.functions.sink.RichSinkFunction;
    
    import javax.sql.DataSource;
    import java.sql.Connection;
    import java.sql.DriverManager;
    import java.sql.PreparedStatement;
    import java.util.List;
    
    /**
     * Desc: 数据批量 sink 数据到 mysql
     * Created by zhisheng_tian on 2019-02-17
     * Blog: http://www.54tianzhisheng.cn/tags/Flink/
     */
    public class SinkToMySQL extends RichSinkFunction<List<Student>> {
         
        PreparedStatement ps;
        BasicDataSource dataSource;
        private Connection connection;
    
        /**
         * open() 方法中建立连接，这样不用每次 invoke 的时候都要建立连接和释放连接
         *
         * @param parameters
         * @throws Exception
         */
        @Override
        public void open(Configuration parameters) throws Exception {
         
            super.open(parameters);
            dataSource = new BasicDataSource();
            connection = getConnection(dataSource);
            String sql = "insert into Student(id, name, password, age) values(?, ?, ?, ?);";
            ps = this.connection.prepareStatement(sql);
        }
    
        @Override
        public void close() throws Exception {
         
            super.close();
            //关闭连接和释放资源
            if (connection != null) {
         
                connection.close();
            }
            if (ps != null) {
         
                ps.close();
            }
        }
    
        /**
         * 每条数据的插入都要调用一次 invoke() 方法
         *
         * @param value
         * @param context
         * @throws Exception
         */
        @Override
        public void invoke(List<Student> value, Context context) throws Exception {
         
            //遍历数据集合
            for (Student student : value) {
         
                ps.setInt(1, student.getId());
                ps.setString(2, student.getName());
                ps.setString(3, student.getPassword());
                ps.setInt(4, student.getAge());
                ps.addBatch();
            }
            int[] count = ps.executeBatch();//批量后执行
            System.out.println("成功了插入了" + count.length + "行数据");
        }
    
    
        private static Connection getConnection(BasicDataSource dataSource) {
         
            dataSource.setDriverClassName("com.mysql.jdbc.Driver");
            //注意，替换成自己本地的 mysql 数据库地址和用户名、密码
            dataSource.setUrl("jdbc:mysql://localhost:3306/test");
            dataSource.setUsername("root");
            dataSource.setPassword("root123456");
            //设置连接池的一些参数
            dataSource.setInitialSize(10);
            dataSource.setMaxTotal(50);
            dataSource.setMinIdle(2);
    
            Connection con = null;
            try {
         
                con = dataSource.getConnection();
                System.out.println("创建连接池：" + con);
            } catch (Exception e) {
         
                System.out.println("-----------mysql get connection has exception , msg = " + e.getMessage());
            }
            return con;
        }
    }

## 核心类 Main ##

核心程序如下：

public class Main {
         
        public static void main(String[] args) throws Exception{
         
            final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
            Properties props = new Properties();
            props.put("bootstrap.servers", "localhost:9092");
            props.put("zookeeper.connect", "localhost:2181");
            props.put("group.id", "metric-group");
            props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
            props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
            props.put("auto.offset.reset", "latest");
    
            SingleOutputStreamOperator<Student> student = env.addSource(new FlinkKafkaConsumer011<>(
                    "student",   //这个 kafka topic 需要和上面的工具类的 topic 一致
                    new SimpleStringSchema(),
                    props)).setParallelism(1)
                    .map(string -> GsonUtil.fromJson(string, Student.class)); //
            student.timeWindowAll(Time.minutes(1)).apply(new AllWindowFunction<Student, List<Student>, TimeWindow>() {
         
                @Override
                public void apply(TimeWindow window, Iterable<Student> values, Collector<List<Student>> out) throws Exception {
         
                    ArrayList<Student> students = Lists.newArrayList(values);
                    if (students.size() > 0) {
         
                        System.out.println("1 分钟内收集到 student 的数据条数是：" + students.size());
                        out.collect(students);
                    }
                }
            }).addSink(new SinkToMySQL());
    
            env.execute("flink learning connectors kafka");
        }
    }

## 运行项目 ##

运行 Main 类后再运行 KafkaUtils.java 类！

下图是往 Kafka 中发送的数据：

![b89245273d8f5f93bfef33027f004e99.png][]

下图是运行 Main 类的日志，会创建 4 个连接池是因为默认的 4 个并行度，你如果在 addSink 这个算子设置并行度为 1 的话就会创建一个连接池：

![bc4805b7d494216c41251f40cc51c6ea.png][]

下图是批量插入数据库的结果：

![96fb77d76df10cfc9ec74f9dfd64270b.png][]

## 总结 ##

本文从知识星球一位朋友的疑问来写的，应该都满足了他的条件（批量/数据库连接池/写入mysql），的确网上很多的例子都是简单的 demo 形式，都是单条数据就创建数据库连接插入 MySQL，如果要写的数据量很大的话，会对 MySQL 的写有很大的压力。这也是我之前在 《从0到1学习Flink》—— Flink 写入数据到 ElasticSearch 中，数据写 ES 强调过的，如果要提高性能必定要批量的写。就拿我们现在这篇文章来说，如果数据量大的话，聚合一分钟数据达万条，那么这样批量写会比来一条写一条性能提高不知道有多少。

本文原创地址是: http://www.54tianzhisheng.cn/2019/01/15/Flink-MySQL-sink/ , 未经允许禁止转载。

## 关注我 ##

微信公众号：**zhisheng**

另外我自己整理了些 Flink 的学习资料，目前已经全部放到微信公众号了。你可以加我的微信：**zhisheng\_tian**，然后回复关键字：**Flink** 即可无条件获取到。

![1acd02a312c546e411613179e1bf92d8.png][]

更多私密资料请加入知识星球！

![d34db6ff8b4708c99937b9f0d38bb177.png][]

## Github 代码仓库 ##

https://github.com/zhisheng17/flink-learning/

以后这个项目的所有代码都将放在这个仓库里，包含了自己学习 flink 的一些 demo 和博客。

本文的项目代码在 https://github.com/zhisheng17/flink-learning/tree/master/flink-learning-connectors/flink-learning-connectors-mysql

## 相关文章 ##

1、《从0到1学习Flink》—— Apache Flink 介绍

2、《从0到1学习Flink》—— Mac 上搭建 Flink 1.6.0 环境并构建运行简单程序入门

3、《从0到1学习Flink》—— Flink 配置文件详解

4、《从0到1学习Flink》—— Data Source 介绍

5、《从0到1学习Flink》—— 如何自定义 Data Source ？

6、《从0到1学习Flink》—— Data Sink 介绍

7、《从0到1学习Flink》—— 如何自定义 Data Sink ？

8、《从0到1学习Flink》—— Flink Data transformation(转换)

9、《从0到1学习Flink》—— 介绍Flink中的Stream Windows

10、《从0到1学习Flink》—— Flink 中的几种 Time 详解

11、《从0到1学习Flink》—— Flink 写入数据到 ElasticSearch

12、《从0到1学习Flink》—— Flink 项目如何运行？

13、《从0到1学习Flink》—— Flink 写入数据到 Kafka

14、《从0到1学习Flink》—— Flink JobManager 高可用性配置

15、《从0到1学习Flink》—— Flink parallelism 和 Slot 介绍

16、《从0到1学习Flink》—— Flink 读取 Kafka 数据批量写入到 MySQL

17、《从0到1学习Flink》—— Flink 读取 Kafka 数据写入到 RabbitMQ

[83490406c21ae5c958a2a90ebf08b2eb.png]: /images/20221119/90c4869bf30742a6a042a11c2db99399.png
[a0ecd5a61cc5bf70d5b0416f06f72b0e.png]: /images/20221119/daba78f9333d438e8bf20c25885906a1.png
[b89245273d8f5f93bfef33027f004e99.png]: /images/20221119/63ee5fc3d3b84215b85e86def84ca8bb.png
[bc4805b7d494216c41251f40cc51c6ea.png]: https://img-blog.csdnimg.cn/img_convert/bc4805b7d494216c41251f40cc51c6ea.png
[96fb77d76df10cfc9ec74f9dfd64270b.png]: https://img-blog.csdnimg.cn/img_convert/96fb77d76df10cfc9ec74f9dfd64270b.png
[1acd02a312c546e411613179e1bf92d8.png]: https://img-blog.csdnimg.cn/img_convert/1acd02a312c546e411613179e1bf92d8.png
[d34db6ff8b4708c99937b9f0d38bb177.png]: https://img-blog.csdnimg.cn/img_convert/d34db6ff8b4708c99937b9f0d38bb177.png