全部產品
Search
文件中心

:開源Flink寫入OSS-HDFS服務

更新時間:Jun 19, 2024

開源Flink不支援流式寫入OSS-HDFS服務,也不支援以EXACTLY_ONCE語義寫入儲存介質。當您希望開源Flink以EXACTLY_ONCE語義流式寫入OSS-HDFS服務,需要結合JindoSDK。

說明

如果您不希望通過Flink流式寫入OSS-HDFS服務前部署JindoSDK,您可以選擇阿里雲Realtime ComputeFlink完成OSS-HDFS服務讀寫需求。更多資訊,請參見Realtime ComputeFlink讀寫OSS或者OSS-HDFS

前提條件

  • 已建立ECS執行個體。具體步驟,請參見選購ECS執行個體

  • 已開通並授權訪問OSS-HDFS服務。具體操作,請參見開通並授權訪問OSS-HDFS服務

  • 已自行下載並安裝開源版本Flink,且版本不低於1.10.1。Flink 1.16.0及更高版本的可用性尚未得到驗證。關於Apache Flink的安裝包及版本說明,請參見Apache Flink

配置JindoSDK

  1. 登入已建立的ECS執行個體。具體操作,請參見串連ECS執行個體

  2. 下載並解壓最新版本JindoSDK JAR包。下載地址,請參見GitHub

  3. 將JindoSDK解壓縮後的plugins/flink/目錄下的jindo-flink-${version}-full.jar檔案移動至Flink所在根目錄下的lib檔案夾。

    mv plugins/flink/jindo-flink-${version}-full.jar lib/
重要
  • 如果存在Apache Flink內建的Flink OSS Connector,需將其移除,即從Flink的lib目錄或者plugins/oss-fs-hadoop路徑下移除flink-oss-fs-hadoop-${flink-version}.jar

  • JindoSDK配置完成後,無需額外配置即支援以常規Flink流式作業的方法進行使用。寫入OSS-HDFS服務以及OSS服務須使用相同的首碼oss://,JindoSDK會自動識別寫入的內容。

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。