flinkStreamSQL

• 基于开源的flink，对其实时sql进行扩展

• 自定义create table 语法（包括源表,输出表,维表）
• 自定义create function 语法
• 实现了流与维表的join

已支持

• 源表：kafka 0.9，1.x版本
• 维表：mysql，hbase
• 结果表：mysql，hbase，elasticsearch5.x

后续开发计划

• 增加全局缓存功能
• 增加临时表功能
• 增加redis维表功能
• 增加mongodb维表功能
• 增加oracle维表，结果表功能
• 增加SQlServer维表，结果表功能
• 增加kafka结果表功能

1 快速起步

1.1 运行模式

• 单机模式：对应Flink集群的单机模式
• standalone模式：对应Flink集群的分布式模式
• yarn模式：对应Flink集群的yarn模式

1.2 执行环境

• Java: JDK8及以上
• Flink集群: 1.4（单机模式不需要安装Flink集群）
• 操作系统：理论上不限

1.3 打包

进入项目根目录，使用maven打包：

mvn clean package -Dmaven.test.skip

打包结束后，项目根目录下会产生plugins目录，plugins目录下存放编译好的数据同步插件包,在lib目下存放job提交的包

1.4 启动

1.4.1 启动命令

sh submit.sh -sql D:\sideSql.txt  -name xctest -remoteSqlPluginPath /opt/dtstack/150_flinkplugin/sqlplugin   -localSqlPluginPath D:\gitspace\flinkStreamSQL\plugins   -mode yarn -flinkconf D:\flink_home\kudu150etc  -yarnconf D:\hadoop\etc\hadoopkudu -confProp {\"time.characteristic\":\"EventTime\",\"sql.checkpoint.interval\":10000}

1.4.2 命令行参数选项

• model

  • 描述：执行模式，也就是flink集群的工作模式
    • local: 本地模式
    • standalone: 独立部署模式的flink集群
    • yarn: yarn模式的flink集群
  • 必选：否
  • 默认值：local

• name

  • 描述：flink 任务对应名称。
  • 必选：是
  • 默认值：无

• sql

  • 描述：执行flink sql 的主体语句。
  • 必选：是
  • 默认值：无

• localSqlPluginPath

  • 描述：本地插件根目录地址，也就是打包后产生的plugins目录。
  • 必选：是
  • 默认值：无

• remoteSqlPluginPath

  • 描述：flink执行集群上的插件根目录地址（将打包好的插件存放到各个flink节点上,如果是yarn集群需要存放到所有的nodemanager上）。
  • 必选：否
  • 默认值：无

• addjar

  • 描述：扩展jar路径,当前主要是UDF定义的jar；
  • 必选：否
  • 默认值：无

• confProp

  • 描述：一些参数设置
  • 格式: json
  • 必选：是 （如无参数填写空json即可）
  • 默认值：无
  • 可选参数:
    • sql.env.parallelism: 默认并行度设置
    • sql.max.env.parallelism: 最大并行度设置
    • time.characteristic: 可选值[ProcessingTime|IngestionTime|EventTime]
    • sql.checkpoint.interval: 设置了该参数表明开启checkpoint(ms)
    • sql.checkpoint.mode: 可选值[EXACTLY_ONCE|AT_LEAST_ONCE]
    • sql.checkpoint.timeout: 生成checkpoint的超时时间(ms)
    • sql.max.concurrent.checkpoints: 最大并发生成checkpoint数
    • sql.checkpoint.cleanup.mode: 默认是不会将checkpoint存储到外部存储,[true(任务cancel之后会删除外部存储)|false(外部存储需要手动删除)]
    • flinkCheckpointDataURI: 设置checkpoint的外部存储路径,根据实际的需求设定文件路径,hdfs://, file://

• flinkconf

  • 描述：flink配置文件所在的目录（单机模式下不需要），如/hadoop/flink-1.4.0/conf
  • 必选：否
  • 默认值：无

• yarnconf

  • 描述：Hadoop配置文件（包括hdfs和yarn）所在的目录（单机模式下不需要），如/hadoop/etc/hadoop
  • 必选：否
  • 默认值：无

2 结构

2.1 源表插件

• kafka 源表插件

2.2 结果表插件

• elasticsearch 结果表插件
• hbase 结果表插件
• mysql 结果表插件

2.3 维表插件

• hbase 维表插件
• mysql 维表插件

3 样例

CREATE TABLE MyTable(
    name string,
    channel STRING,
    pv INT,
    xctime bigint,
    CHARACTER_LENGTH(channel) AS timeLeng
 )WITH(
    type ='kafka09',
    bootstrapServers ='172.16.8.198:9092',
    zookeeperQuorum ='172.16.8.198:2181/kafka',
    offsetReset ='latest',
    topic ='nbTest1',
    parallelism ='1'
 );

CREATE TABLE MyResult(
    channel VARCHAR,
    pv VARCHAR
 )WITH(
    type ='mysql',
    url ='jdbc:mysql://172.16.8.104:3306/test?charset=utf8',
    userName ='dtstack',
    password ='abc123',
    tableName ='pv2',
    parallelism ='1'
 );

CREATE TABLE workerinfo(
    cast(logtime as TIMESTAMP)AS rtime,
    cast(logtime)AS rtime
 )WITH(
    type ='hbase',
    zookeeperQuorum ='rdos1:2181',
    tableName ='workerinfo',
    rowKey ='ce,de',
    parallelism ='1',
    zookeeperParent ='/hbase'
 );

CREATE TABLE sideTable(
    cf:name String as name,
    cf:info String as info,
    PRIMARY KEY(name),
    PERIOD FOR SYSTEM_TIME
 )WITH(
    type ='hbase',
    zookeeperQuorum ='rdos1:2181',
    zookeeperParent ='/hbase',
    tableName ='workerinfo',
    cache ='LRU',
    cacheSize ='10000',
    cacheTTLMs ='60000',
    parallelism ='1'
 );

insert
into
    MyResult
    select
        d.channel,
        d.info
    from
        (      select
            a.*,b.info
        from
            MyTable a
        join
            sideTable b
                on a.channel=b.name
        where
            a.channel = 'xc2'
            and a.pv=10      ) as d

招聘

1.大数据平台开发工程师，想了解岗位详细信息可以添加本人微信号ysqwhiletrue,注明招聘，如有意者发送简历至[email protected]。