一文解析Apache?Avro數(shù)據(jù)
摘要：本文將演示如果序列化生成avro數(shù)據(jù)，并使用FlinkSQL進(jìn)行解析。
Avro官方文檔所寫，http://avro.apache.org/docs/current/index.html.
Avro簡(jiǎn)介
avro是一個(gè)數(shù)據(jù)序列化系統(tǒng)
提供了：
- 豐富的數(shù)據(jù)結(jié)構(gòu)
- 緊湊的，快速的，二進(jìn)制的數(shù)據(jù)格式
- 一種文件格式，用于存儲(chǔ)持久化數(shù)據(jù)
- 遠(yuǎn)程過(guò)程調(diào)用系統(tǒng)（RPC）
- 和動(dòng)態(tài)語(yǔ)言的簡(jiǎn)單交互。并不需要為數(shù)據(jù)文件讀寫產(chǎn)生代碼，也不需要使用或?qū)崿F(xiàn)RPC協(xié)議。代碼生成是一種優(yōu)化方式，但是只對(duì)于靜態(tài)語(yǔ)言有意義。
技術(shù)背景
隨著互聯(lián)網(wǎng)高速的發(fā)展，云計(jì)算、大數(shù)據(jù)、人工智能AI、物聯(lián)網(wǎng)等前沿技術(shù)已然成為當(dāng)今時(shí)代主流的高新技術(shù)，諸如電商網(wǎng)站、人臉識(shí)別、無(wú)人駕駛、智能家居、智慧城市等等，不僅方面方便了人們的衣食住行，背后更是時(shí)時(shí)刻刻有大量的數(shù)據(jù)在經(jīng)過(guò)各種各樣的系統(tǒng)平臺(tái)的采集、清晰、分析，而保證數(shù)據(jù)的低時(shí)延、高吞吐、安全性就顯得尤為重要，Apache Avro本身通過(guò)Schema的方式序列化后進(jìn)行二進(jìn)制傳輸，一方面保證了數(shù)據(jù)的高速傳輸，另一方面保證了數(shù)據(jù)安全性，avro當(dāng)前在各個(gè)行業(yè)的應(yīng)用越來(lái)越廣泛，如何對(duì)avro數(shù)據(jù)進(jìn)行處理解析應(yīng)用就格外重要，本文將演示如果序列化生成avro數(shù)據(jù)，并使用FlinkSQL進(jìn)行解析。
本文是avro解析的demo，當(dāng)前FlinkSQL僅適用于簡(jiǎn)單的avro數(shù)據(jù)解析,復(fù)雜嵌套avro數(shù)據(jù)暫時(shí)不支持。
場(chǎng)景介紹
本文主要介紹以下三個(gè)重點(diǎn)內(nèi)容：
- 如何序列化生成Avro數(shù)據(jù)
- 如何反序列化解析Avro數(shù)據(jù)
- 如何使用FlinkSQL解析Avro數(shù)據(jù)
前提條件
- 了解avro是什么，可參考apache avro官網(wǎng)快速入門指南
- 了解avro應(yīng)用場(chǎng)景
操作步驟
1、新建avro maven工程項(xiàng)目，配置pom依賴
pom文件內(nèi)容如下：
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>com.huawei.bigdata</groupId>
<artifactId>avrodemo</artifactId>
<version>1.0-SNAPSHOT</version>
<dependencies>
<dependency>
<groupId>org.apache.avro</groupId>
<artifactId>avro</artifactId>
<version>1.8.1</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.avro</groupId>
<artifactId>avro-maven-plugin</artifactId>
<version>1.8.1</version>
<executions>
<execution><phase>generate-sources</phase><goals>
<goal>schema</goal></goals><configuration>
<sourceDirectory>${project.basedir}/src/main/avro/</sourceDirectory>
<outputDirectory>${project.basedir}/src/main/java/</outputDirectory></configuration>
</execution>
</executions>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<source>1.6</source>
<target>1.6</target>
</configuration>
</plugin>
</plugins>
</build>
</project>注意：以上pom文件配置了自動(dòng)生成類的路徑，即${project.basedir}/src/main/avro/和${project.basedir}/src/main/java/，這樣配置之后，在執(zhí)行mvn命令的時(shí)候，這個(gè)插件就會(huì)自動(dòng)將此目錄下的avsc schema生成類文件，并放到后者這個(gè)目錄下。如果沒(méi)有生成avro目錄，手動(dòng)創(chuàng)建一下即可。
2、定義schema
使用JSON為Avro定義schema。schema由基本類型（null,boolean, int, long, float, double, bytes 和string）和復(fù)雜類型（record, enum, array, map, union, 和fixed）組成。例如，以下定義一個(gè)user的schema，在main目錄下創(chuàng)建一個(gè)avro目錄，然后在avro目錄下新建文件 user.avsc :
{"namespace": "lancoo.ecbdc.pre",
"type": "record",
"name": "User",
"fields": [
{"name": "name", "type": "string"},
{"name": "favorite_number", "type": ["i
3、編譯schema
點(diǎn)擊maven projects項(xiàng)目的compile進(jìn)行編譯，會(huì)自動(dòng)在創(chuàng)建namespace路徑和User類代碼
4、序列化
創(chuàng)建TestUser類，用于序列化生成數(shù)據(jù)
User user1 = new User();
user1.setName("Alyssa");
user1.setFavoriteNumber(256);
// Leave favorite col or null
// Alternate constructor
User user2 = new User("Ben", 7, "red");
// Construct via builder
User user3 = User.newBuilder()
.setName("Charlie")
.setFavoriteColor("blue")
.setFavoriteNumber(null)
.build();
// Serialize user1, user2 and user3 to disk
DatumWriter<User> userDatumWriter = new SpecificDatumWriter<User>(User.class);
DataFileWriter<User> dataFileWriter = new DataFileWriter<User>(userDatumWriter);
dataFileWriter.create(user1.getSchema(), new File("user_generic.avro"));
dataFileWriter.append(user1);
dataFileWriter.append(user2);
dataFileWriter.append(user3);
dataFileWriter.close();執(zhí)行序列化程序后，會(huì)在項(xiàng)目的同級(jí)目錄下生成avro數(shù)據(jù)
user_generic.avro內(nèi)容如下：
Objavro.schema?{"type":"record","name":"User","namespace":"lancoo.ecbdc.pre","fields":[{"name":"name","type":"string"},{"name":"favorite_number","type":["int","null"]},{"name":"favorite_color","type":["string","null"]}]}
5、反序列化
通過(guò)反序列化代碼解析avro數(shù)據(jù)
// Deserialize Users from disk
DatumReader<User> userDatumReader = new SpecificDatumReader<User>(User.class);
DataFileReader<User> dataFileReader = new DataFileReader<User>(new File("user_generic.avro"), userDatumReader);
User user = null;
while (dataFileReader.hasNext()) {
// Reuse user object by passing it to next(). This saves us from
// allocating and garbage collecting many objects for files with
// many items.
user = dataFileReader.next(user);
System.out.println(user);
}執(zhí)行反序列化代碼解析user_generic.avro
avro數(shù)據(jù)解析成功。
6、將user_generic.avro上傳至hdfs路徑
hdfs dfs -mkdir -p /tmp/lztest/ hdfs dfs -put user_generic.avro /tmp/lztest/
7、配置flinkserver
準(zhǔn)備avro jar包
將flink-sql-avro-*.jar、flink-sql-avro-confluent-registry-*.jar放入flinkserver lib，將下面的命令在所有flinkserver節(jié)點(diǎn)執(zhí)行
cp /opt/huawei/Bigdata/FusionInsight_Flink_8.1.2/install/FusionInsight-Flink-1.12.2/flink/opt/flink-sql-avro*.jar /opt/huawei/Bigdata/FusionInsight_Flink_8.1.3/install/FusionInsight-Flink-1.12.2/flink/lib chmod 500 flink-sql-avro*.jar chown omm:wheel flink-sql-avro*.jar
同時(shí)重啟FlinkServer實(shí)例，重啟完成后查看avro包是否被上傳
hdfs dfs -ls /FusionInsight_FlinkServer/8.1.2-312005/lib
8、編寫FlinkSQL
CREATE TABLE testHdfs( name String, favorite_number int, favorite_color String ) WITH( 'connector' = 'filesystem', 'path' = 'hdfs:///tmp/lztest/user_generic.avro', 'format' = 'avro' );CREATE TABLE KafkaTable ( name String, favorite_number int, favorite_color String ) WITH ( 'connector' = 'kafka', 'topic' = 'testavro', 'properties.bootstrap.servers' = '96.10.2.1:21005', 'properties.group.id' = 'testGroup', 'scan.startup.mode' = 'latest-offset', 'format' = 'avro' ); insert into KafkaTable select * from testHdfs;
保存提交任務(wù)
9、查看對(duì)應(yīng)topic中是否有數(shù)據(jù)
FlinkSQL解析avro數(shù)據(jù)成功。
到此這篇關(guān)于一文解析Apache Avro數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Apache Avro數(shù)據(jù)內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信