更新时间:2022-12-14 GMT+08:00

FlinkServer对接ClickHouse

操作场景

Flink通过对接ClickHouse的ClickHouseBalancer实例进行读写,有效避免ClickHouse流量分发问题。

前提条件

  • 集群中已安装ClickHouse、HDFS、Yarn、Flink和HBase等服务。
  • 客户端已安装,例如安装路径为:/opt/Bigdata/client。

FlinkSQL与ClickHouse数据类型对应关系

FlinkSQL数据类型

ClickHouse数据类型

BOOLEAN

UInt8

TINYINT

Int8

SMALLINT

Int16

INTEGER

Int32

BIGINT

Int64

FLOAT

Float32

DOUBLE

Float64

CHAR

String

VARCHAR

String

VARBINARY

FixedString

DATE

Date

TIMESTAMP

DateTime

DECIMAL

Decimal

操作步骤

  1. 使用root用户登录安装客户端的节点。
  2. 执行以下命令,切换到客户端安装目录。

    cd /opt/Bigdata/client

  3. 执行以下命令配置环境变量。

    source bigdata_env

  4. 如果当前集群已启用Kerberos认证,执行以下命令认证当前用户,当前用户需要具有创建ClickHouse表的权限。如果当前集群未启用Kerberos认证,则无需执行此命令。

    kinit 组件业务用户

    例如,kinit clickhouseuser

  5. 连接ClickHouse客户端,可参考从零开始使用ClickHouse

    • 普通模式:

      clickhouse client --host ClickHouse的实例IP --user 登录名 --password '密码' --port ClickHouse的端口号 --multiline

    • 安全模式:

      clickhouse client --host ClickHouse的实例IP --user 登录名 --password '密码'--port ClickHouse的端口号 --secure --multiline

  6. 执行以下命令创建复制表和分布式表。

    1. 创建复制表“default.test1”。
      CREATE TABLE default.test1 on cluster default_cluster
      (
      `pid` Int8,
      `uid` UInt8,
      `Int_16` Int16,
      `Int_32` Int32,
      `Int_64` Int64,
      `String_x` String,
      `String_y` String,
      `float_32` Float32,
      `float_64` Float64,
      `Decimal_x` Decimal32(2),
      `Date_x` Date,
      `DateTime_x` DateTime
      )
      ENGINE = ReplicatedReplacingMergeTree('/clickhouse/tables/{shard}/test1','{replica}')
      PARTITION BY pid
      ORDER BY (pid, DateTime_x);
    2. 创建分布式表“test1_all”。
      CREATE TABLE test1_all ON CLUSTER default_cluster
      (
      `pid` Int8,
      `uid` UInt8,
      `Int_16` Int16,
      `Int_32` Int32,
      `Int_64` Int64,
      `String_x` String,
      `String_y` String,
      `float_32` Float32,
      `float_64` Float64,
      `Decimal_x` Decimal32(2),
      `Date_x` Date,
      `DateTime_x` DateTime
      )
      ENGINE = Distributed(default_cluster, default, test1, rand());

  7. 登录Manager,选择“集群 > 服务 > Flink”,在“Flink WebUI”右侧,单击链接,访问Flink的WebUI。
  8. 参考新建作业,新建Flink SQL作业,作业类型选择“流作业”。在作业开发界面进行如下作业配置,并启动作业。需勾选“运行参数”中的“开启CheckPoint”,“时间间隔(ms)”可设置为“60000”,“模式”可使用默认值。

    • 如果当前MRS集群为安全模式,执行以下操作:
      create table kafkasource(
      `pid` TINYINT,
      `uid` BOOLEAN,
      `Int_16` SMALLINT,
      `Int_32` INTEGER,
      `Int_64` BIGINT,
      `String_x` CHAR,
      `String_y` VARCHAR(10),
      `float_32` FLOAT,
      `float_64` DOUBLE,
      `Decimal_x` DECIMAL(9,2),
      `Date_x` DATE,
      `DateTime_x` TIMESTAMP
      ) with(
        'connector' = 'kafka',
        'topic' = 'input',
        'properties.bootstrap.servers' = 'Kafka的Broker实例业务IP:Kafka端口号',
        'properties.group.id' = 'group1',
        'scan.startup.mode' = 'earliest-offset',
        'format' = 'json',
        'properties.sasl.kerberos.service.name' = 'kafka',
        'properties.security.protocol' = 'SASL_PLAINTEXT',
        'properties.kerberos.domain.name' = 'hadoop.系统域名'
      );
      CREATE TABLE cksink (
      `pid` TINYINT,
      `uid` BOOLEAN,
      `Int_16` SMALLINT,
      `Int_32` INTEGER,
      `Int_64` BIGINT,
      `String_x` CHAR,
      `String_y` VARCHAR(10),
      `float_32` FLOAT,
      `float_64` DOUBLE,
      `Decimal_x` DECIMAL(9,2),
      `Date_x` DATE,
      `DateTime_x` TIMESTAMP
      ) WITH (
      'connector' = 'jdbc',
      'url' = 'jdbc:clickhouse://ClickHouseBalancer实例IP:21422/default?ssl=true&sslmode=none',
      'username' = 'ClickHouse用户,详见说明',
      'password' = 'ClickHouse用户密码,详见说明',
      'table-name' = 'test1_all',
      'driver' = 'ru.yandex.clickhouse.ClickHouseDriver',
      'sink.buffer-flush.max-rows' = '0',
      'sink.buffer-flush.interval' = '60s'
      );
      Insert into cksink 
      select
      * 
      from 
      kafkasource;
    • 如果当前MRS集群为普通模式,执行以下操作:
      create table kafkasource(
      `pid` TINYINT,
      `uid` BOOLEAN,
      `Int_16` SMALLINT,
      `Int_32` INTEGER,
      `Int_64` BIGINT,
      `String_x` CHAR,
      `String_y` VARCHAR(10),
      `float_32` FLOAT,
      `float_64` DOUBLE,
      `Decimal_x` DECIMAL(9,2),
      `Date_x` DATE,
      `DateTime_x` TIMESTAMP
      ) with(
        'connector' = 'kafka',
        'topic' = 'kinput',
        'properties.bootstrap.servers' = 'Kafka的Broker实例业务IP:Kafka端口号',
        'properties.group.id' = 'kafka_test',
        'scan.startup.mode' = 'earliest-offset',
        'format' = 'json'
      );
      CREATE TABLE cksink (
      `pid` TINYINT,
      `uid` BOOLEAN,
      `Int_16` SMALLINT,
      `Int_32` INTEGER,
      `Int_64` BIGINT,
      `String_x` CHAR,
      `String_y` VARCHAR(10),
      `float_32` FLOAT,
      `float_64` DOUBLE,
      `Decimal_x` DECIMAL(9,2),
      `Date_x` DATE,
      `DateTime_x` TIMESTAMP
      ) WITH (
      'connector' = 'jdbc',
      'url' = 'jdbc:clickhouse://ClickHouseBalancer实例IP:21425/default',
      'table-name' = 'test1_all',
      'driver' = 'ru.yandex.clickhouse.ClickHouseDriver',
      'sink.buffer-flush.max-rows' = '0',
      'sink.buffer-flush.interval' = '60s'
      );
      Insert into cksink 
      select
      * 
      from 
      kafkasource;
    • MRS集群安全模式下,创建的cksink表中username、password参数填写的用户为具有ClickHouse相应表权限的用户及密码,详见ClickHouse用户及权限管理
    • Kafka端口号:
      • 安全模式为“sasl.port”的值,默认为“21007”。
      • 非安全模式为“port”的值,默认为“9092”。如果配置端口号为9092,则需要配置“allow.everyone.if.no.acl.found”参数为true,具体操作如下:

        登录FusionInsight Manager系统,选择“集群 > 服务 > Kafka > 配置 > 全部配置”,搜索“allow.everyone.if.no.acl.found”配置,修改参数值为true,保存配置即可。

    • 21422:ClickHouseBalancer实例IP的https端口。
    • 21425:ClickHouseBalancer实例IP的http端口。
    • 其他jdbc connector参数请参考Flink官网:http://flink.apache.org/
    • 攒批写参数:Flink会将数据先放入内存,到达触发条件时再flush到数据库表中。相关配置如下。

      sink.buffer-flush.max-rows:攒批写ClickHouse的行数,默认100。

      sink.buffer-flush.interval:攒批写入的间隔时间,默认1s。

      这两个条件只要有一个满足,就会触发一次sink,即到达触发条件时再flush到数据库表中。

      • 情况一:60s sink一次

        'sink.buffer-flush.max-rows' = '0',

        'sink.buffer-flush.interval' = '60s'

      • 情况二:100条 sink一次

        'sink.buffer-flush.max-rows' = '100',

        'sink.buffer-flush.interval' = '0s'

      • 情况三:数据不sink

        'sink.buffer-flush.max-rows' = '0',

        'sink.buffer-flush.interval' = '0s'

  9. 查看作业管理界面,作业状态为“运行中”。
  10. 参考管理Kafka主题中的消息,向kafka中写入数据。

    sh kafka-console-producer.sh --broker-list Kafka角色实例所在节点的IP地址:Kafka端口号 --topic主题名称 --producer.config ../config/producer.properties

    例如本示例使用主题名称为kinput:sh kafka-console-producer.sh --broker-list Kafka角色实例所在节点的IP地址:Kafka端口号 --topic kinput --producer.config ../config/producer.properties

    输入消息内容:
    {"pid": "3","uid":false,"Int_16": "6533","Int_32": "429496294","Int_64": "1844674407370955614","String_x": "abc1","String_y": "abc1defghi","float_32": "0.1234","float_64": "95.1","Decimal_x": "0.451236414","Date_x": "2021-05-29","DateTime_x": "2021-05-21 10:05:10"},
    {"pid": "4","uid":false,"Int_16": "6533","Int_32": "429496294","Int_64": "1844674407370955614","String_x": "abc1","String_y": "abc1defghi","float_32": "0.1234","float_64": "95.1","Decimal_x": "0.4512314","Date_x": "2021-05-29","DateTime_x": "2021-05-21 10:05:10"}

    输入完成后按回车发送消息。

  11. 连接ClickHouse查询表数据。

    clickhouse client --host ClickHouse的实例IP --user 登录名 --password '密码'--port ClickHouse的端口号 --secure --multiline

    执行查询命令查询ClickHouse表是否已写入数据。例如,当前ClickHouse表为test1_all。

    select * from test1_all;