Flink实战之网站日志ETL案例【含代码】
问题导读
1.怎样对字段进行大区转换？
2.怎样拆分打平大JSON?
3.怎样把不同类型的日志数据分别进行存储？
应用场景：
[*]数据清洗【实时ETL】
[*]数据报表
1、数据清洗【实时ETL】
1.1、需求分析
针对算法产生的日志数据进行清洗拆分
[*]算法产生的日志数据是嵌套大JSON格式（json嵌套json），需要拆分打平
[*]针对算法中的国家字段进行大区转换
[*]最后把不同类型的日志数据分别进行存储
1.2、数据清理 DataClean 结构
1.3、实践运行
1.3.1、Redis
启动redis：
先从一个终端启动redis服务
./redis-server
先从一个终端启动redis客户端，并插入数据
./redis-cli
127.0.0.1:6379> hset areas AREA_US US
(integer) 1
127.0.0.1:6379> hset areas AREA_CT TW,HK
(integer) 1
127.0.0.1:6379> hset areas AREA_AR PK,SA,KW
(integer) 1
127.0.0.1:6379> hset areas AREA_IN IN
(integer) 1
127.0.0.1:6379>
1.3.2、Kafka
启动kafka：
./kafka-server-start.sh -daemon ../config/server.properties
kafka创建topc：
./kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 5 --topic allData
监控kafka topic：
./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic allDataClean
1.3.3、启动程序
先启动 DataClean 程序，再启动生产者程序，kafka生产者产生数据如下：
最后终端观察处理输出的数据：
只有部分数据正确处理输出的原因是：代码中没有设置并行度，默认是按机器CPU核数跑的，这里需要通过 broadcast() 进行广播
1.4、Flink yarn集群启动
向yarn提交任务：
./bin/flink run -m yarn-cluster -yn 2 -yjm 1024 -ytm 1024 -c henry.flink.DataClean /root/flinkCode/DataClean-1.0-SNAPSHOT-jar-with-dependencies.jar
通过 yarn UI 查看任务，并进入Flink job：
启动kafka生产者：
监控topic消费情况：
./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic allDataClean
最终终端输出结果， 同IDEA中运行结果：
链接: https://pan.baidu.com/s/1993ZK-xOKbhmhzLLLyi8Ww 提取码: pumu
最新经典文章，欢迎关注公众号http://www.aboutyun.com/data/attachment/forum/201903/18/215536lzpn7n3u7m7u90vm.jpg
---------------------
作者：HenryBao91
来源：github
原文：FlinkProj 案例开发
页:
[1]