Flink消费

Flink Log Connector是日志服务提供的用于对接Flink的工具,支持对接开源Flink和实时计算Flink版。本文介绍如何对接Flink消费日志数据。

前提条件

  • 已开通日志服务。更多信息,请参见开通日志服务

  • 已创建RAM用户并完成授权。具体操作,请参见创建RAM用户并完成授权

  • 已配置环境变量ALIBABA_CLOUD_ACCESS_KEY_IDALIBABA_CLOUD_ACCESS_KEY_SECRET。具体操作,请参见在Linux、macOS和Windows系统配置环境变量

    重要
    • 阿里云账号的AccessKey拥有所有API的访问权限,建议您使用RAM用户的AccessKey进行API访问或日常运维。

    • 强烈建议不要把AccessKey ID和AccessKey Secret保存到工程代码里,否则可能导致AccessKey泄露,威胁您账号下所有资源的安全。

背景信息

Flink Log Connector包括两部分,消费者(Flink Log Consumer)和生产者(Flink Log Producer),两者用途区别如下:

  • 消费者用于从日志服务中读取数据,支持exactly once语义,支持Shard负载均衡。

  • 生产者用于将数据写入日志服务。

使用Flink Log Connector时,需要在项目中添加Maven依赖,示例如下:

<dependency>
    <groupId>com.aliyun.openservices</groupId>
    <artifactId>flink-log-connector</artifactId>
    <version>0.1.38</version>
</dependency>
<dependency>
    <groupId>com.google.protobuf</groupId>
    <artifactId>protobuf-java</artifactId>
    <version>2.5.0</version>
</dependency>

除此之外的代码编写,请您参考GitHub上源码进行编写。更多信息,请参见aliyun-log-flink-connector

Flink Log Consumer

在Flink Log Connector中,Flink Log Consumer提供了订阅日志服务中某一个Logstore的能力,实现了exactly once语义,在使用时您无需关心Logstore中Shard数量的变化,Flink Log Consumer会自动感知。

Flink中每一个子任务负责消费Logstore中的部分Shard,如果Logstore中Shard发生分裂或合并,子任务消费的Shard也会随之改变。

Flink Log Consumer用到的日志服务API接口如下:

  • GetCursorOrData

    用于从Shard中获取数据,注意频繁的调用该接口可能会导致数据超过日志服务的Shard限额,可以通过ConfigConstants.LOG_FETCH_DATA_INTERVAL_MILLISConfigConstants.LOG_MAX_NUMBER_PER_FETCH控制接口调用的时间间隔和每次调用获取的日志数量。Shard的限额请参见分区(Shard)

    示例如下:

    configProps.put(ConfigConstants.LOG_FETCH_DATA_INTERVAL_MILLIS, "100");
    configProps.put(ConfigConstants.LOG_MAX_NUMBER_PER_FETCH, "100");
  • ListShards

    用于获取Logstore中所有的Shard列表及Shard状态等。如果您的Shard经常发生分裂合并,可以通过调整接口的调用周期来及时发现Shard的变化。示例如下:

    // 设置每30s调用一次ListShards接口。
    configProps.put(ConfigConstants.LOG_SHARDS_DISCOVERY_INTERVAL_MILLIS, "30000");
  • CreateConsumerGroup

    当设置消费进度监控时调用该接口创建ConsumerGroup,用于同步Checkpoint。

  • UpdateCheckPoint

    该接口将Flink的snapshot同步到日志服务的ConsumerGroup中。

  1. 配置启动参数。

    以下是一个简单的消费示例,使用java.util.Properties作为配置工具,所有Flink Log Consumer的配置均在ConfigConstants中。

    Properties configProps = new Properties();
    // 设置访问日志服务的域名。
    configProps.put(ConfigConstants.LOG_ENDPOINT, "cn-hangzhou.log.aliyuncs.com");
    // 本示例从环境变量中获取AccessKey ID和AccessKey Secret。
    String accessKeyId = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID");
    String accessKeySecret = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET");
    configProps.put(ConfigConstants.LOG_ACCESSKEYID,accessKeyId);
    configProps.put(ConfigConstants.LOG_ACCESSKEY,accessKeySecret);
    // 设置日志服务的project。
    String project = "your-project";
    // 设置日志服务的Logstore。
    String logstore = "your-logstore";
    // 设置消费日志服务起始位置。
    configProps.put(ConfigConstants.LOG_CONSUMER_BEGIN_POSITION, Consts.LOG_END_CURSOR);
    // 设置日志服务的消息反序列化方法。
    FastLogGroupDeserializer deserializer = new FastLogGroupDeserializer();
    final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    DataStream<FastLogGroupList> dataStream = env.addSource(
            new FlinkLogConsumer<FastLogGroupList>(project, logstore, deserializer, configProps)
    );
    dataStream.addSink(new SinkFunction<FastLogGroupList>() {
        @Override
        public void invoke(FastLogGroupList logGroupList, Context context) throws Exception {
            for (FastLogGroup logGroup : logGroupList.getLogGroups()) {
                int logsCount = logGroup.getLogsCount();
                String topic = logGroup.getTopic();
                String source = logGroup.getSource();
                for (int i = 0; i < logsCount; ++i) {
                    FastLog row = logGroup.getLogs(i);
                    for (int j = 0; j < row.getContentsCount(); ++j) {
                        FastLogContent column = row.getContents(j);
                        // 处理日志
                        System.out.println(column.getKey());
                        System.out.println(column.getValue());
                    }
                }
            }
        }
    });
    // 或者使用RawLogGroupListDeserializer
    RawLogGroupListDeserializer rawLogGroupListDeserializer = new RawLogGroupListDeserializer();
    final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    DataStream<RawLogGroupList> rawLogGroupListDataStream = env.addSource(
            new FlinkLogConsumer<RawLogGroupList>(project, logstore, rawLogGroupListDeserializer, configProps)
    );
    rawLogGroupListDataStream.addSink(new SinkFunction<RawLogGroupList>() {
        @Override
        public void invoke(RawLogGroupList logGroupList, Context context) throws Exception {
            for (RawLogGroup logGroup : logGroupList.getRawLogGroups()) {
                String topic = logGroup.getTopic();
                String source = logGroup.getSource();
                for (RawLog row : logGroup.getLogs()) {
                    // 处理日志
                }
            }
        }
    });
    说明

    Flink的子任务数量和日志服务Logstore中的Shard数量是独立的,如果Shard数量多于子任务数量,每个子任务不重复的消费Shard,如果少于子任务数量,那么部分子任务就会空闲,直到新的Shard产生。

  2. 设置消费起始位置。

    Flink Log Consumer支持设置Shard的消费起始位置,通过设置属性ConfigConstants.LOG_CONSUMER_BEGIN_POSITION,就可以定制从Shard的头、尾或者某个特定时间开始消费。另外,Flink Log Connector也支持从某个具体的消费组中恢复消费。属性的具体取值如下:

    • Consts.LOG_BEGIN_CURSOR:表示从Shard的头开始消费,也就是从Shard中最旧的数据开始消费。

    • Consts.LOG_END_CURSOR:表示从Shard的尾部开始,也就是从Shard中最新的数据开始消费。

    • Consts.LOG_FROM_CHECKPOINT:表示从某个特定的消费组中保存的Checkpoint开始消费,通过ConfigConstants.LOG_CONSUMERGROUP指定具体的消费组。

    • UnixTimestamp:一个整型数值的字符串,用1970-01-01到现在的秒数表示,含义是消费Shard中这个时间点之后的数据。

    示例如下:

    configProps.put(ConfigConstants.LOG_CONSUMER_BEGIN_POSITION, Consts.LOG_BEGIN_CURSOR);
    configProps.put(ConfigConstants.LOG_CONSUMER_BEGIN_POSITION, Consts.LOG_END_CURSOR);
    configProps.put(ConfigConstants.LOG_CONSUMER_BEGIN_POSITION, "1512439000");
    configProps.put(ConfigConstants.LOG_CONSUMER_BEGIN_POSITION, Consts.LOG_FROM_CHECKPOINT);
    说明

    如果在启动Flink任务时,设置了从Flink自身的StateBackend中恢复,那么Flink Log Connector会忽略上面的配置,使用StateBackend中保存的Checkpoint。

  3. 可选:设置消费进度监控。

    Flink Log Consumer支持设置消费进度监控,获取每一个Shard的实时消费位置,使用时间戳表示。更多信息,请参见步骤二:查看消费组状态消费组监控与告警

    示例如下:

    configProps.put(ConfigConstants.LOG_CONSUMERGROUP, "your consumer group name");
    说明

    该项为可选配置项,设置后Flink Log Consumer会首先创建消费组,如果消费组已经存在,则不执行任何操作,Flink Log Consumer中的snapshot会自动同步到日志服务的消费组中,您可以通过日志服务的控制台查看Flink Log Consumer的消费进度。

  4. 设置容灾和exactly once语义支持。

    当打开Flink的Checkpointing功能时,Flink Log Consumer会周期性地将每个Shard的消费进度保存,当任务失败时,Flink会恢复消费任务,并从保存的最新的Checkpoint开始消费。

    Checkpoint的周期定义了当任务失败时,最多多少的数据会被回溯,即重新消费,使用代码如下:

    final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    // 开启Flink exactly once语义。
    env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
    // 每5s保存一次Checkpoint。
    env.enableCheckpointing(5000);

    更多Flink Checkpoint的信息请参见Checkpoints

Flink Log Producer

Flink Log Producer用于将数据写入日志服务。

说明

Flink Log Producer只支持Flink at least once语义,在任务失败时,写入日志服务中的数据有可能会重复,但不会丢失。

Flink Log Producer用到的日志服务API接口如下:

  • PutLogs

  • ListShards

  1. 初始化Flink Log Producer。

    1. 初始化配置参数Properties。

      Flink Log Producer初始化步骤与Flink Log Consumer类似。Flink Log Producer初始化配置包含以下参数,一般情况下使用默认值即可,如有需要可以自定义配置。示例如下:

      // 用于发送数据的I/O线程的数量,默认为核心数。
      ConfigConstants.IO_THREAD_NUM
      // 日志发送前被缓存的最大允许时间,默认为2000毫秒。
      ConfigConstants.FLUSH_INTERVAL_MS
      // 任务可以使用的内存总的大小,默认为100 MB。
      ConfigConstants.TOTAL_SIZE_IN_BYTES
      // 内存达到上限时,发送日志的最大阻塞时间,单位为毫秒,默认为 60s。
      ConfigConstants.MAX_BLOCK_TIME_MS
      // 最大重试次数,默认为 10 次。
      ConfigConstants.MAX_RETRIES
    2. 重载LogSerializationSchema,定义将数据序列化成RawLogGroup的方法。

      RawLogGroup是日志的集合,各字段含义请参见日志(Log)

      如果您需要指定数据写到某一个Shard中,可以使用LogPartitioner产生数据的HashKey,LogPartitioner为可选项,如果您没有配置,数据会随机写入某一个Shard。

      示例如下:

      FlinkLogProducer<String> logProducer = new FlinkLogProducer<String>(new SimpleLogSerializer(), configProps);
      logProducer.setCustomPartitioner(new LogPartitioner<String>() {
            // 生成32位Hash值。
            public String getHashKey(String element) {
                try {
                    MessageDigest md = MessageDigest.getInstance("MD5");
                    md.update(element.getBytes());
                    String hash = new BigInteger(1, md.digest()).toString(16);
                    while(hash.length() < 32) hash = "0" + hash;
                    return hash;
                } catch (NoSuchAlgorithmException e) {
                }
                return  "0000000000000000000000000000000000000000000000000000000000000000";
            }
        });
  2. 将模拟产生的字符串写入日志服务,示例如下:

    // 将数据序列化成日志服务的数据格式。
    class SimpleLogSerializer implements LogSerializationSchema<String> {
        public RawLogGroup serialize(String element) {
            RawLogGroup rlg = new RawLogGroup();
            RawLog rl = new RawLog();
            rl.setTime((int)(System.currentTimeMillis() / 1000));
            rl.addContent("message", element);
            rlg.addLog(rl);
            return rlg;
        }
    }
    public class ProducerSample {
        public static String sEndpoint = "cn-hangzhou.log.aliyuncs.com";
        //本示例从环境变量中获取AccessKey ID和AccessKey Secret。
        public static String sAccessKeyId = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID");
        public static String sAccessKey = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET");
        public static String sProject = "ali-cn-hangzhou-sls-admin";
        public static String sLogstore = "test-flink-producer";
        private static final Logger LOG = LoggerFactory.getLogger(ConsumerSample.class);
        public static void main(String[] args) throws Exception {
            final ParameterTool params = ParameterTool.fromArgs(args);
            final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
            env.getConfig().setGlobalJobParameters(params);
            env.setParallelism(3);
            DataStream<String> simpleStringStream = env.addSource(new EventsGenerator());
            Properties configProps = new Properties();
            // 设置访问日志服务的域名。
            configProps.put(ConfigConstants.LOG_ENDPOINT, sEndpoint);
            // 设置用户AK。
            configProps.put(ConfigConstants.LOG_ACCESSKEYID, sAccessKeyId);
            configProps.put(ConfigConstants.LOG_ACCESSKEY, sAccessKey);
            // 设置日志写入的日志服务project。
            configProps.put(ConfigConstants.LOG_PROJECT, sProject);
            // 设置日志写入的日志服务Logstore。
            configProps.put(ConfigConstants.LOG_LOGSTORE, sLogstore);
            FlinkLogProducer<String> logProducer = new FlinkLogProducer<String>(new SimpleLogSerializer(), configProps);
            simpleStringStream.addSink(logProducer);
            env.execute("flink log producer");
        }
        // 模拟产生日志。
        public static class EventsGenerator implements SourceFunction<String> {
            private boolean running = true;
            @Override
            public void run(SourceContext<String> ctx) throws Exception {
                long seq = 0;
                while (running) {
                    Thread.sleep(10);
                    ctx.collect((seq++) + "-" + RandomStringUtils.randomAlphabetic(12));
                }
            }
            @Override
            public void cancel() {
                running = false;
            }
        }
    }

消费示例

本示例中,Flink Log Consumer将读取到的数据以FastLogGroupList形式存储到数据流中,接着使用flatMap函数将FastLogGroupList转换为JSON字符串并输出到命令行或写入文本文件。

package com.aliyun.openservices.log.flink.sample;

import com.alibaba.fastjson.JSONObject;
import com.aliyun.openservices.log.common.FastLog;
import com.aliyun.openservices.log.common.FastLogGroup;
import com.aliyun.openservices.log.flink.ConfigConstants;
import com.aliyun.openservices.log.flink.FlinkLogConsumer;
import com.aliyun.openservices.log.flink.data.FastLogGroupDeserializer;
import com.aliyun.openservices.log.flink.data.FastLogGroupList;
import com.aliyun.openservices.log.flink.model.CheckpointMode;
import com.aliyun.openservices.log.flink.util.Consts;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.configuration.CheckpointingOptions;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.runtime.state.filesystem.FsStateBackend;
import org.apache.flink.streaming.api.CheckpointingMode;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.CheckpointConfig;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

import java.util.Properties;

public class FlinkConsumerSample {
    private static final String SLS_ENDPOINT = "your-endpoint";
    //本示例从环境变量中获取AccessKey ID和AccessKey Secret。
    private static final String ACCESS_KEY_ID = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID");
    private static final String ACCESS_KEY_SECRET = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET");
    private static final String SLS_PROJECT = "your-project";
    private static final String SLS_LOGSTORE = "your-logstore";

    public static void main(String[] args) throws Exception {
        final ParameterTool params = ParameterTool.fromArgs(args);

        Configuration conf = new Configuration();
        // Checkpoint dir like "file:///tmp/flink"
        conf.setString(CheckpointingOptions.CHECKPOINTS_DIRECTORY, "your-checkpoint-dir");
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironment(1, conf);
        env.getConfig().setGlobalJobParameters(params);
        env.setParallelism(1);
        env.enableCheckpointing(5000);
        env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
        env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);
        env.setStateBackend(new FsStateBackend("file:///tmp/flinkstate"));
        Properties configProps = new Properties();
        configProps.put(ConfigConstants.LOG_ENDPOINT, SLS_ENDPOINT);
        configProps.put(ConfigConstants.LOG_ACCESSKEYID, ACCESS_KEY_ID);
        configProps.put(ConfigConstants.LOG_ACCESSKEY, ACCESS_KEY_SECRET);
        configProps.put(ConfigConstants.LOG_MAX_NUMBER_PER_FETCH, "10");
        configProps.put(ConfigConstants.LOG_CONSUMER_BEGIN_POSITION, Consts.LOG_FROM_CHECKPOINT);
        configProps.put(ConfigConstants.LOG_CONSUMERGROUP, "your-consumer-group");
        configProps.put(ConfigConstants.LOG_CHECKPOINT_MODE, CheckpointMode.ON_CHECKPOINTS.name());
        configProps.put(ConfigConstants.LOG_COMMIT_INTERVAL_MILLIS, "10000");

        FastLogGroupDeserializer deserializer = new FastLogGroupDeserializer();
        DataStream<FastLogGroupList> stream = env.addSource(
                new FlinkLogConsumer<>(SLS_PROJECT, SLS_LOGSTORE, deserializer, configProps));

        stream.flatMap((FlatMapFunction<FastLogGroupList, String>) (value, out) -> {
            for (FastLogGroup logGroup : value.getLogGroups()) {
                int logCount = logGroup.getLogsCount();
                for (int i = 0; i < logCount; i++) {
                    FastLog log = logGroup.getLogs(i);
                    JSONObject jsonObject = new JSONObject();
                    jsonObject.put("topic", logGroup.getTopic());
                    jsonObject.put("source", logGroup.getSource());
                    for (int j = 0; j < log.getContentsCount(); j++) {
                        jsonObject.put(log.getContents(j).getKey(), log.getContents(j).getValue());
                    }
                    out.collect(jsonObject.toJSONString());
                }
            }
        }).returns(String.class);

        stream.writeAsText("log-" + System.nanoTime());
        env.execute("Flink consumer");
    }
}