通过DLI Flink作业将Kafka数据实时写入DWS

场景描述

假设数据源Kafka的样例数据是一个用户信息表，如表1所示， 包含 id，name，age三个字段。其中id是唯一且固定的字段，多个业务系统会公用，业务上一般不需要修改，仅修改姓名name，年龄age。

首先，通过Kafka生产以下三组数据，通过DLI Flink作业完成数据同步到数据仓库服务 GaussDB(DWS)。接着，需要修改id为2和3的用户为新的jim和tom，再通过DLI Flink作业完成数据的更新并同步到GaussDB(DWS)。

约束限制

• 确保VPC、ECS、OBS、Kafka、DLI和DWS服务在同一个区域内，例如华北-北京四。
• 确保Kafka、DLI、DWS网络互通。本实践将Kafka和DWS创建在同一个区域和虚拟私有云下，同时在Kafka和DWS的安全组中放通了DLI的队列所在网段，确保网络互通。
• 为确保DLI到DWS的连接链路稳定，请创建完DWS集群后为集群绑定ELB服务。

准备工作

• 已注册华为账号并开通华为云，具体请参见注册华为账号并开通华为云，且在使用GaussDB(DWS) 前检查账号状态，账号不能处于欠费或冻结状态。
• 已创建虚拟私有云和子网，参见创建虚拟私有云和子网。

步骤一：创建Kafka实例

1. 登录华为云控制台，服务列表选择“应用中间件 > 分布式消息服务Kafka版”，进入Kafka管理控制台。
2. 左侧导航栏选择“Kafka专项版”，单击右上角的“购买kafka实例”。
3. 填写如下参数，其他参数项如表中未说明，默认即可：

   表2 kafka实例参数

   参数项	参数值
   计费模式	按需计费
   区域	华北-北京四
   项目	默认
   可用区	可用区1（如遇售罄，选择其他可用区）
   实例名称	kafka-dli-dws
   企业项目	default
   规格类型	默认
   版本	2.7
   CPU架构	x86计算
   代理规格	kafka.2u4g.cluster.small（实例仅为参考，选择最小规格即可）
   代理数量	3
   虚拟私有云	选择已创建的虚拟私有云，如果没有，则需要创建。
   安全组	选择已创建的安全组，如果没有，则需要创建。
   其他参数	保持默认

   图2 创建Kafka实例
   

4. 单击“立即创建”。等待创建成功。
5. 创建成功后，在Kafka实例列表中，单击创建好的Kafka实例名称，进入基本信息页面。
6. 左侧选择“Topic管理”，单击“创建Topic”。

   Topic名称设置为“topic-demo”，其他可保持默认。

   图3 创建Topic
   

7. 单击“确定”，在Topic列表中可以看到topic-demo已创建成功。
8. 左侧导航栏选择“消费组管理”，单击“创建消费组”。
9. 消费组名称输入“kafka01”，单击“确定”。

步骤二：创建绑定ELB的DWS集群和目标表

1. 创建独享型弹性负载均衡服务ELB，网络类型选择IPv4私网即可，区域、VPC选择与Kafka实例保持一致，本实践为“华北-北京四”。
2. 创建集群，为GaussDB(DWS)绑定弹性负载均衡 ELB，同时为确保网络连通，GaussDB(DWS)集群的区域、VPC选择与Kafka实例保持一致，本实践为“华北-北京四”，虚拟私有云与上面创建Kafka的虚拟私有云保持一致。
3. 在GaussDB(DWS)控制台的集群管理页面，单击指定集群所在行操作列的“登录”按钮。
   

   本实践以8.1.3.x版本为例，8.1.2及以前版本不支持此登录方式，可以使用Data Studio连接集群。

4. 登录用户名为dbadmin，数据库名称为gaussdb，密码为创建GaussDB(DWS)集群时设置的dbadmin用户密码，勾选“记住密码”，打开“定时采集”，“SQL执行记录”，单击“登录”。
   图4 登录DWS
   

5. 单击“gaussdb”库名，再单击右上角的“SQL窗口”，进入SQL编辑器。
6. 复制如下SQL语句，在SQL窗口中，单击“执行SQL”，创建目标表user_dws。

   1 2 3 4 5 6

   CREATE TABLE user_dws ( id int, name varchar(50), age int, PRIMARY KEY (id) );

步骤三：创建DLI队列

1. 登录华为云控制台，服务列表选择“大数据 > 数据湖探索DLI”，进入DLI管理控制台。
2. 左侧导航栏选择“资源管理 > 队列管理”，进入队列管理页面。
3. 单击右上角“购买队列”，填写如下参数，其他参数项如表中未说明，默认即可。

   表3 DLI队列

   参数项	参数值
   计费模式	按需计费
   区域	华北-北京四
   项目	默认
   名称	dli_dws
   类型	通用队列，勾选“专属资源模式”。
   AZ策略	单AZ
   规格	16 CUs
   企业项目	default
   高级选项	自定义
   网段	172.16.0.0/18，需选择与Kafka和DWS不在同一个网段。例如，如果Kafka和DWS在192.168.x.x网段，则DLI则选择172.16.x.x。

   图5 创建DLI队列
   

4. 单击“立即购买”。

步骤四：分别创建Kafka和DWS的增强型跨源连接

1. 放通Kafka的安全组，允许DLI队列所在的网段可以访问Kafka。
   1. 回到Kafka控制台，单击Kafka实例名称进入基本信息。查看“连接信息”的“内网连接地址”，并记录下此地址，以备后续步骤使用。
      图6 kafka内网连接地址
      
   2. 单击网络的安全组名称。
      图7 kafka安全组
      
   3. 选择“入方向规则 > 添加规则”，如下图，添加DLI队列的网段地址，本实践为172.16.0.0/18，实际请与步骤三：创建DLI队列的时候填入的网段保持一致。
      图8 kafka安全组添加规则
      
   4. 单击“确定”。

2. 回到DLI管理控制台，单击左侧的“跨源管理”，选择“增强型跨源”，单击“创建”。
3. 填写如下参数，其他参数项如表中未说明，默认即可。

   表4 DLI到Kafka的连接

   参数项	参数值
   连接名称	dli_kafka
   弹性资源池	选择上面创建的DLI队列名称dli_dws。
   虚拟私有云	选择Kafka所在的虚拟私有云。
   子网	选择Kafka所在的子网。
   其他参数	保持默认。

   图9 创建连接
   

4. 单击“确定”。等待Kafka连接创建成功。
5. 左侧导航栏选择“资源管理 > 队列管理”，选择dli_dws所在行操作列的“更多 > 测试地址连通性”。
6. 在地址栏中，输入1.a获取的Kafka实例的内网IP和端口（Kafka的地址有三个，输入一个即可）。
   图10 测试kafka连通性
   

7. 单击“测试”，验证DLI连通Kafka成功。
8. 进入到DWS管理控制台，左侧导航栏单击“集群管理”，单击集群名称进入DWS集群详情。
9. 如下图，记录下DWS集群的内网域名、端口和弹性负载均衡地址，以备后面步骤需要。
   图11 内网域名和ELB地址
   

10. 单击安全组名称。
    图12 DWS安全组
    

11. 选择“入方向规则 > 添加规则”，如下图，添加DLI队列的网段地址，本实践为172.16.0.0/18，实际请与步骤三：创建DLI队列的时候填入的网段保持一致。
    图13 DWS安全组添加规则
    

12. 单击“确定”。
13. 再切换到DLI控制台，左侧选择“资源管理 > 队列管理”，选择dli_dws所在行操作列的“更多 > 测试地址连通性”。
14. 在地址栏中，输入9获取的GaussDB(DWS)集群的弹性负载均衡IP和端口。
    图14 测试GaussDB(DWS)连通
    

15. 单击“测试”，验证DLI连通GaussDB(DWS)成功。

步骤五：准备DWS对接Flink工具dws-connector-flink

dws-connector-flink是一款基于DWS JDBC接口实现对接Flink的一个工具。在配置DLI作业阶段，将该工具及依赖放入Flink类加载目录，提升Flink作业入库DWS的能力。

1. 浏览器访问https://mvnrepository.com/artifact/com.huaweicloud.dws。
2. 在软件列表中选择最新版本的DWS Connectors Flink，本实践选择DWS Connector Flink 2 12 1 12。

   

3. 单击“1.0.4”分支，实际请以官网发布的新分支为准。

   

4. 单击“View ALL”。

   

5. 单击dws-connector-flink_2.12_1.12-1.0.4-jar-with-dependencies.jar，下载到本地。

   

6. 创建OBS桶，本实践桶名设置为obs-flink-dws，并将此文件上传到OBS桶下，注意桶也保持与DLI在一个区域下，本实践为 华北-北京四。
   图15 上传jar包到OBS桶
   

步骤六：创建并编辑DLI Flink作业

1. 回到DLI管理控制台，左侧选择“作业管理 > Flink作业”，单击右上角“创建作业”。
2. 类型选择“Flink OpenSource SQL”，名称填写kafka-dws。
   图16 创建作业
   

3. 单击“确定”。系统自动进入到作业的编辑页面。
4. 在页面右侧填写如下参数，其他参数项如表中未说明，默认即可。

   表5 flink作业参数

   参数项	参数值
   所属队列	dli_dws
   Flink版本	1.12
   UDF Jar	选择步骤五：准备DWS对接Flink工具dws-connector-flink的OBS桶中的jar文件。
   OBS桶	选择步骤五：准备DWS对接Flink工具dws-connector-flink的桶。
   开启Checkpoint	勾选
   其他参数	保持默认

   图17 编辑作业
   

5. 将以下符合Flink要求的SQL代码复制到左侧的SQL代码窗。
   其中“Kafka实例内网IP地址和端口”参见1.a获取，“DWS内网域名”由9获取。

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

   CREATE TABLE user_kafka ( id string, name string, age int ) WITH ( 'connector' = 'kafka', 'topic' = 'topic-demo', 'properties.bootstrap.servers' = 'Kafka实例内网IP地址和端口', 'properties.group.id' = 'kafka01', 'scan.startup.mode' = 'latest-offset', "format" = "json" ); CREATE TABLE user_dws ( id string, name string, age int, PRIMARY KEY (id) NOT ENFORCED ) WITH ( 'connector' = 'dws', 'url' = 'jdbc:postgresql://DWS内网域名:8000/gaussdb', 'tableName' = 'public.user_dws', 'username' = 'dbadmin', 'password' = '数据库用户dbdamin密码' ); insert into user_dws select * from user_kafka;

6. 单击“语义校验”，等待校验成功。

   如校验失败，则检查SQL的输入是否存在语法错误。

   图18 作业的SQL语句
   

7. 单击“保存”。
8. 回到DLI控制台首页，左侧选择“作业管理 > Flink作业”。
9. 单击作业名称kafka-dws右侧的“启动”，单击“立即启动”。

   等待约1分钟，再刷新页面，状态在“运行中”表示作业成功运行。

   图19 作业运行状态
   

步骤七：通过Kafka客户端生产和修改消息

1. 参见ECS文档创建一台ECS，具体创建步骤此处不再赘述。创建时，确保ECS的区域、虚拟私有云保持与Kafka一致。
2. 安装JDK。
   1. 登录ECS，进入到/usr/local，下载JDK包。

      1 2	cd /usr/local wget https://download.oracle.com/java/17/latest/jdk-17_linux-x64_bin.tar.gz

   2. 解压下载好的JDK包。

      1	tar -zxvf jdk-17_linux-x64_bin.tar.gz

   3. 执行以下命令进入/etc/profile文件。

      1	vim /etc/profile

   4. 按i进入编辑模式，将以下内容增加到/etc/profile文件的末尾。

      1 2 3 4 5

      export JAVA_HOME=/usr/local/jdk-17.0.7 #jdk安装目录 export JRE_HOME=${JAVA_HOME}/jre export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib:${JAVA_HOME}/test:${JAVA_HOME}/lib/gsjdbc4.jar:${JAVA_HOME}/lib/dt.jar:${JAVA_HOME}/lib/tools.jar:$CLASSPATH export JAVA_PATH=${JAVA_HOME}/bin:${JRE_HOME}/bin export PATH=$PATH:${JAVA_PATH}

      

   5. 按ESC，输入:wq!按回车，保存退出。
   6. 执行命令，使环境变量生效。

      1	source /etc/profile

   7. 执行以下命令，提示如下信息表示jdk安装成功。

      1	java -version

      

3. 安装Kafka客户端。
   1. 进入/opt目录，执行以下命令获取Kafka客户端软件包。

      1 2	cd /opt wget https://archive.apache.org/dist/kafka/2.7.2/kafka_2.12-2.7.2.tgz

   2. 解压下载好的软件包。

      1	tar -zxf kafka_2.12-2.7.2.tgz

   3. 进入到Kafka客户端目录。

      1	cd /opt/kafka_2.12-2.7.2/bin

4. 执行以下命令连接Kafka。其中 {连接地址}为Kafka的内网连接地址，参见1.a获取，topic为6创建的Kafka的topic名称。

   1	./kafka-console-producer.sh --broker-list {连接地址} --topic {Topic名称}

   本实践示例如下：

   ./kafka-console-producer.sh --broker-list 192.168.0.136:9092,192.168.0.214:9092,192.168.0.217:9092 --topic topic-demo

   

   如上图出现>符号，无其他报错，表示连接成功。

5. 在已连接kafka的客户端窗口下，根据场景描述规划的数据，复制以下内容（注意一次复制一行），按回车发送，进行生产消息。

   1 2 3

   {"id":"1","name":"lily","age":"16"} {"id":"2","name":"lucy","age":"17"} {"id":"3","name":"lilei","age":"15"}

   

6. 回到DWS控制台，左侧选择“集群管理”，单击DWS集群右侧“登录”，进入SQL页面。
7. 执行以下SQL语句，发现数据实时入库成功。

   1	SELECT * FROM user_dws ORDER BY id;

   

8. 继续回到ECS中连接Kafka的客户端窗口，复制以下内容（注意一次复制一行），按回车发送，进行生产消息。

   1 2	{"id":"2","name":"jim","age":"17"} {"id":"3","name":"tom","age":"15"}

9. 回到DWS已打开的SQL窗口，执行以下SQL语句，发现id为2和3的姓名已修改为jim和tom。
   符合场景描述预期，本实践结束。

   1	SELECT * FROM user_dws ORDER BY id;