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复制代码
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>复制代码1.3.2、Kafka 启动kafka：
./kafka-server-start.sh -daemon ../config/server.properties
复制代码kafka创建topc：
./kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 5 --topic allData
复制代码监控kafka topic：
./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：
./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：
./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
评论
登录后参与评论
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。
腾讯云开发者
