全部產品
Search
文件中心

:EMR Flink寫入OSS-HDFS服務

更新時間:Jun 19, 2024

可恢複性寫入功能支援將資料以EXACTLY_ONCE語義寫入儲存介質。本文介紹Flink如何通過EMR叢集的方式可恢複性寫入OSS-HDFS服務。

前提條件

樣本

  1. 通用配置

    為了支援EXACTLY_ONCE語義寫入OSS-HDFS,您需要執行如下配置:

    1. 開啟Flink的檢查點(Checkpoint)。

      樣本如下。

      1. 通過如下方式建立的StreamExecutionEnvironment。

        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
      2. 執行如下命令,啟動Checkpoint。

        env.enableCheckpointing(<userDefinedCheckpointInterval>, CheckpointingMode.EXACTLY_ONCE);
    2. 使用可以重發的資料來源,例如Kafka。

  2. 便捷使用

    您無需額外引入依賴,只需攜帶oss://首碼的路徑,並使用OSS-HDFS服務的Bucket及Endpoint,即可啟用Flink。

    1. 添加Sink。

      以將DataStream<String>的對象OutputStream寫入OSS-HDFS為例。

      String outputPath = "oss://<user-defined-oss-hdfs-bucket.oss-hdfs-endpoint>/<user-defined-dir>"
      StreamingFileSink<String> sink = StreamingFileSink.forRowFormat(
              new Path(outputPath),
              new SimpleStringEncoder<String>("UTF-8")
      ).build();
      outputStream.addSink(sink);
      重要

      在OSS-HDFS服務的Bucket中帶有.<oss-hdfs-endpoint>的欄位為可選項。如果您希望省略該欄位,請確保已在Flink或Hadoop組件中正確配置了OSS-HDFS服務的Endpoint。

    2. 使用env.execute()執行Flink作業。

(可選)自訂配置

您在提交Flink作業時,可以自訂參數,以開啟或控制特定功能。

例如,通過-yD配置以yarn-cluster模式提交Flink作業時,樣本如下:

<flink_home>/bin/flink run -m yarn-cluster -yD key1=value1 -yD key2=value2 ...

您可以開啟熵注入(Entropy Injection)功能。熵注入可以匹配寫入路徑的一段特定字串,用一段隨機的字串進行替換,以削弱所謂片區效應,提高寫入效率。

當寫入情境為OSS-HDFS時,需要完成下列配置。

oss.entropy.key=<user-defined-key>
oss.entropy.length=<user-defined-length>

寫入新檔案時,路徑中與<user-defined-key>相同的字串會被替換為一個隨機字串,隨機串的長度為<user-defined-length>,且<user-defined-length>必須大於零。