前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Flink实战之网站日志ETL案例【含代码】

Flink实战之网站日志ETL案例【含代码】

作者头像
用户1410343
发布2020-11-05 18:42:49
8030
发布2020-11-05 18:42:49
举报
文章被收录于专栏:about云

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

代码语言:javascript
复制
./redis-server复制代码

先从一个终端启动redis客户端,并插入数据

代码语言:javascript
复制
./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>复制代码

1.3.2、Kafka 启动kafka:

代码语言:javascript
复制
./kafka-server-start.sh -daemon ../config/server.properties

复制代码

kafka创建topc:

代码语言:javascript
复制
./kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 5 --topic allData

复制代码

监控kafka topic:

代码语言:javascript
复制
./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic allDataClean

复制代码

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:

代码语言:javascript
复制
./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

复制代码

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:

代码语言:javascript
复制
./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic allDataClean

复制代码

最终终端输出结果, 同IDEA中运行结果:

代码下载: 链接:

https://pan.baidu.com/s/1993ZK-xOKbhmhzLLLyi8Ww

提取码: pumu

----------------------------END----------------------------

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-10-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 About云 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
云数据库 Redis
腾讯云数据库 Redis(TencentDB for Redis)是腾讯云打造的兼容 Redis 协议的缓存和存储服务。丰富的数据结构能帮助您完成不同类型的业务场景开发。支持主从热备,提供自动容灾切换、数据备份、故障迁移、实例监控、在线扩容、数据回档等全套的数据库服务。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档