基于SpringBoot 使用 Flink 收发Kafka消息

前言

这周学习下Flink相关的知识，学习到一个读写Kafka消息的示例， 自己动手实践了一下，别人示例使用的是普通的Java Main方法，没有用到spring boot. 我们在实际工作中会使用spring boot。 因此我做了些加强， 把流程打通了，过程记录下来。
准备工作

首先我们通过docker安装一个kafka服务，参照Kafka的官方知道文档
https://developer.confluent.io/tutorials/kafka-console-consumer-producer-basics/kafka.html
主要的是有个docker-compose.yml文件

1. ---
2. version: '2'
4. services:
5.   zookeeper:
6.     image: confluentinc/cp-zookeeper:7.3.0
7.     hostname: zookeeper
8.     container_name: zookeeper
9.     ports:
10.       - "2181:2181"
11.     environment:
12.       ZOOKEEPER_CLIENT_PORT: 2181
13.       ZOOKEEPER_TICK_TIME: 2000
15.   broker:
16.     image: confluentinc/cp-kafka:7.3.0
17.     hostname: broker
18.     container_name: broker
19.     depends_on:
20.       - zookeeper
21.     ports:
22.       - "29092:29092"
23.     environment:
24.       KAFKA_BROKER_ID: 1
25.       KAFKA_ZOOKEEPER_CONNECT: 'zookeeper:2181'
26.       KAFKA_LISTENER_SECURITY_PROTOCOL_MAP: PLAINTEXT:PLAINTEXT,PLAINTEXT_HOST:PLAINTEXT
27.       KAFKA_ADVERTISED_LISTENERS: PLAINTEXT://broker:9092,PLAINTEXT_HOST://localhost:29092
28.       KAFKA_OFFSETS_TOPIC_REPLICATION_FACTOR: 1
29.       KAFKA_GROUP_INITIAL_REBALANCE_DELAY_MS: 0

复制代码

docker compose up -d
就可以把kafka docker 环境搭起来，
使用以下命令，创建一个flink.kafka.streaming.source的topic
docker exec -t broker kafka-topics --create --topic flink.kafka.streaming.source --bootstrap-server broker:9092
然后使用命令，就可以进入到kafka机器的命令行
docker exec -it broker bash
官方文档示例中没有-it, 运行后没有进入broker的命令行，加上来才可以。这里说明下
Flink我们打算直接采用开发工具运行，暂时未搭环境，以体验为主。
开发阶段

首先需要引入的包POM文件

1.     <properties>
2.         <jdk.version>1.8</jdk.version>
3.         <maven.compiler.source>8</maven.compiler.source>
4.         <maven.compiler.target>8</maven.compiler.target>
5.         <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
6.         <spring-boot.version>2.7.7</spring-boot.version>
7.         <flink.version>1.16.0</flink.version>
8.     </properties>
9.     <dependencyManagement>
10.         <dependencies>
11.             <dependency>
12.                 <groupId>org.springframework.boot</groupId>
13.                 <artifactId>spring-boot-dependencies</artifactId>
14.                 <version>${spring-boot.version}</version>
15.                 <type>pom</type>
16.                 <scope>import</scope>
17.             </dependency>
18.         </dependencies>
19.     </dependencyManagement>
20.     <dependencies>
21.         <dependency>
22.             <groupId>org.springframework.boot</groupId>
23.             <artifactId>spring-boot-starter</artifactId>
24.         </dependency>
25.         <dependency>
26.             <groupId>org.projectlombok</groupId>
27.             <artifactId>lombok</artifactId>
28.             <optional>true</optional>
29.         </dependency>
30.         <dependency>
31.             <groupId>org.apache.flink</groupId>
32.             <artifactId>flink-java</artifactId>
33.             <version>${flink.version}</version>
34.             <scope>provided</scope>
35.         </dependency>
36.         <dependency>
37.             <groupId>org.apache.flink</groupId>
38.             <artifactId>flink-clients</artifactId>
39.             <version>${flink.version}</version>
40.             <scope>provided</scope>
41.         </dependency>
42.         <dependency>
43.             <groupId>org.apache.flink</groupId>
44.             <artifactId>flink-streaming-java</artifactId>
45.             <version>${flink.version}</version>
46.             <scope>provided</scope>
47.         </dependency>
48.         <dependency>
49.             <groupId>org.apache.flink</groupId>
50.             <artifactId>flink-connector-kafka</artifactId>
51.             <version>${flink.version}</version>
52.             <scope>provided</scope>
53.         </dependency>
54.     </dependencies>

复制代码

这里我们使用Java8， 本来想使用Spring Boot 3的，但是Spring Boot 3 最低需要Java17了， 目前Flink支持Java8和Java11，所以我们使用Spring Boot 2, Java 8来开发。
spring-boot-starter 我们就一个命令行程序，所以用这个就够了
lombok  用来定义model
flink-java, flink-clients, flink-streaming-java 是使用基本组件， 缺少flink-clients编译阶段不会报错，运行的时候会报java.lang.IllegalStateException: No ExecutorFactory found to execute the application.
flink-connector-kafka 是连接kafka用
我们这里把provided， 打包的时候不用打包flink相关组件，由运行环境提供。但是IDEA运行的时候会报java.lang.NoClassDefFoundError: org/apache/flink/streaming/util/serialization/DeserializationSchema，
在运行的configuration上面勾选上“add dependencies with provided scope to classpath”可以解决这个问题。
主要代码

1. @Component
2. @Slf4j
3. public class KafkaRunner implements ApplicationRunner
4. {
5.     @Override
6.     public void run(ApplicationArguments args) throws Exception {
7.         try{
9.             /****************************************************************************
10.              *                 Setup Flink environment.
11.              ****************************************************************************/
13.             // Set up the streaming execution environment
14.             final StreamExecutionEnvironment streamEnv
15.                     = StreamExecutionEnvironment.getExecutionEnvironment();
17.             /****************************************************************************
18.              *                  Read Kafka Topic Stream into a DataStream.
19.              ****************************************************************************/
21.             //Set connection properties to Kafka Cluster
22.             Properties properties = new Properties();
23.             properties.setProperty("bootstrap.servers", "localhost:29092");
24.             properties.setProperty("group.id", "flink.learn.realtime");
26.             //Setup a Kafka Consumer on Flnk
27.             FlinkKafkaConsumer<String> kafkaConsumer =
28.                     new FlinkKafkaConsumer<>
29.                             ("flink.kafka.streaming.source", //topic
30.                                     new SimpleStringSchema(), //Schema for data
31.                                     properties); //connection properties
33.             //Setup to receive only new messages
34.             kafkaConsumer.setStartFromLatest();
36.             //Create the data stream
37.             DataStream<String> auditTrailStr = streamEnv
38.                     .addSource(kafkaConsumer);
40.             //Convert each record to an Object
41.             DataStream<Tuple2<String, Integer>> userCounts
42.                     = auditTrailStr
43.                     .map(new MapFunction<String,Tuple2<String,Integer>>() {
45.                         @Override
46.                         public Tuple2<String,Integer> map(String auditStr) {
47.                             System.out.println("--- Received Record : " + auditStr);
48.                             AuditTrail at = new AuditTrail(auditStr);
49.                             return new Tuple2<String,Integer>(at.getUser(),at.getDuration());
50.                         }
51.                     })
53.                     .keyBy(0)  //By user name
54.                     .reduce((x,y) -> new Tuple2<String,Integer>( x.f0, x.f1 + y.f1));
56.             //Print User and Durations.
57.             userCounts.print();
59.             /****************************************************************************
60.              *                  Setup data source and execute the Flink pipeline
61.              ****************************************************************************/
62.             //Start the Kafka Stream generator on a separate thread
63.             System.out.println("Starting Kafka Data Generator...");
64.             Thread kafkaThread = new Thread(new KafkaStreamDataGenerator());
65.             kafkaThread.start();
67.             // execute the streaming pipeline
68.             streamEnv.execute("Flink Windowing Example");
70.         }
71.         catch(Exception e) {
72.             e.printStackTrace();
73.         }
74.     }
75. }

复制代码

简单说明下程序
DataStream auditTrailStr = streamEnv
.addSource(kafkaConsumer);
就是接通了Kafka Source

1.         Thread kafkaThread = new Thread(new KafkaStreamDataGenerator());
2.         kafkaThread.start();

复制代码

这段代码是另外开一个线程往kafka里面去发送文本消息
我们在这个示例中就是一个线程发，然后flink就读出来，然后统计出每个用户的操作时间。
auditTrailStr.map 就是来进行统计操作。
运行效果


可以看到Kafka一边发送，然后我们就一边读出来，然后就统计出了每个用户的时间。
总结

本文只是简单的打通了几个环节，对于flink的知识没有涉及太多，算是一个环境入门。后面学习更多的以后我们再深入些来记录flink. 示例代码会放到 https://github.com/dengkun39/redisdemo.git  spring-boot-flink 文件夹。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！