文档首页/ 数据湖探索 DLI/ SQL语法参考（阿布扎比区域）/ 流作业SQL语法/ 创建输入流/ MRS Kafka输入流
更新时间：2022-02-22 GMT+08:00
查看PDF
分享

MRS Kafka输入流

功能描述

创建source流从Kafka获取数据，作为作业的输入数据。

Apache Kafka是一个快速、可扩展的、高吞吐、可容错的分布式发布订阅消息系统，具有高吞吐量、内置分区、支持数据副本和容错的特性，适合在大规模消息处理场景中使用。MRS基于Apache Kafka在平台部署并托管了Kafka集群。

前提条件

  • Kafka服务端的端口如果监听在hostname上，则需要将Kafka Broker节点的hostname和IP的对应关系添加到DLI队列中。Kafka Broker节点的hostname和IP请联系Kafka服务的部署人员。如何添加IP域名映射，请参考《数据湖探索用户指南》中“增强型跨源连接”章节。
  • Kafka是线下集群，需要通过增强型跨源连接功能将Flink作业与Kafka进行对接。且用户可以根据实际所需设置相应安全组规则。

    如何建立增强型跨源连接，请参考《数据湖探索用户指南》中“增强型跨源连接”章节。

    如何设置安全组规则，请参见《虚拟私有云用户指南》中“安全组”章节。

语法格式

1
2
3
4
5
6
7
8
9
 
CREATE SOURCE STREAM stream_id (attr_name attr_type (',' attr_name attr_type)* )
  WITH (
    type = "kafka",
    kafka_bootstrap_servers = "",
    kafka_group_id = "",
    kafka_topic = "",
    encode = "json"
  )
  (TIMESTAMP BY timeindicator (',' timeindicator)?);timeindicator:PROCTIME '.' PROCTIME| ID '.' ROWTIME

关键字

表1 关键字说明

参数

是否必选

说明

type

是

数据源类型，“Kafka”表示数据源。

kafka_bootstrap_servers

是

Kafka的连接端口，需要确保能连通（需要通过增强型跨源开通DLI队列和Kafka集群的连接）。

kafka_group_id

否

group id。

kafka_topic

是

读取的Kafka的topic。目前只支持读取单个topic。

encode

是

数据编码格式，可选为“csv”、“json”、“blob”和“user_defined”。

  • 若编码格式为“csv”，则需配置“field_delimiter”属性。
  • 若编码格式为“json”，则需配置“json_config”属性。
  • 当编码格式为"blob"时，表示不对接收的数据进行解析，流属性仅能有一个且为Array[TINYINT]类型。
  • 若编码格式为“user_defined”，则需配置“encode_class_name”和“encode_class_parameter”属性。

encode_class_name

否

当encode为user_defined时，需配置该参数，指定用户自实现解码类的类名（包含完整包路径），该类需继承类DeserializationSchema。

encode_class_parameter

否

当encode为user_defined时，可以通过配置该参数指定用户自实现解码类的入参，仅支持一个string类型的参数。

krb_auth

否

创建跨源认证的认证名。开启kerberos认证时，需配置该参数。

说明：

请确保在DLI队列host文件中添加MRS集群master节点的“/etc/hosts”信息。

json_config

否

当encode为json时，用户可以通过该参数指定json字段和流属性字段的映射关系，格式为"field1=json_field1;field2=json_field2"。

field_delimiter

否

当encode为csv时，用于指定csv字段分隔符，默认为逗号。

quote

否

可以指定数据格式中的引用符号，在两个引用符号之间的属性分隔符会被当做普通字符处理。

  • 当引用符号为双引号时，请设置quote = "\u005c\u0022"进行转义。
  • 当引用符号为单引号时，则设置quote = "'"。
说明：
  • 目前仅适用于CSV格式。
  • 设置引用符号后，必须保证每个字段中包含0个或者偶数个引用符号，否则会解析失败。

timeindicator

否

在流中增加时间戳，可增加“processing time”时间戳或者“event time”时间戳。

说明：
  • 若设置“processing time”，则为proctime.proctime。

    当设置了proctime.proctime时，会在原有属性字段基础上多增加一个proctime系统时间戳属性，假设原有字段为3个，设置了proctime.proctime后会变成4个，设置rowtime属性字段不会发生变化。

  • 若设置“event time”，可选择流中的某个属性来作为时间戳，格式为attr_name.rowtime。
  • 以上两者可以同时设置。

start_time

否

kafka数据读取起始时间。

当该参数配置时则从配置的时间开始读取数据，有效格式为yyyy-MM-dd HH:mm:ss。start_time要不大于当前时间，若大于当前时间，则不会有数据读取出。

kafka_properties

否

可通过该参数配置kafka的原生属性，格式为"key1=value1;key2=value2"

kafka_certificate_name

否

跨源认证信息名称。跨源认证信息类型为“Kafka_SSL”时，该参数有效。

说明：
  • 指定该配置项时，服务仅加载该认证下指定的文件和密码，系统将自动设置到“kafka_properties”属性中。
  • Kafka SSL认证需要的其他配置信息，需要用户手动在“kafka_properties”属性中配置。

注意事项

用来做时间戳的属性类型必须为long或者timestamp。

示例

从Kafka名称为test的topic中读取数据。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
 
CREATE SOURCE STREAM kafka_source (
  name STRING, 
  age int
 )
  WITH (
    type = "kafka",
    kafka_bootstrap_servers = "ip1:port1,ip2:port2", 
    kafka_group_id = "sourcegroup1", 
    kafka_topic = "test",
    encode = "json"
);
父主题： 创建输入流