EMR Flink SQL

1 概述

流式 EMR SQL 底层的计算引擎为 Apache Flink，其符合标准 SQL 语义，降低了用户进行实时开发的门槛，支持在线创建、解析和运维流式任务。
本文将为您介绍 EMR Flink SQL 任务的相关使用。

2 使用前提

1. DataLeap产品需开通数据开发特惠版、DataOps敏捷研发、大数据分析或分布式数据自治服务后，才可创建 火山引擎 E-MapReduce（EMR）流式数据开发任务。

2. EMR 引擎绑定的集群类型、版本及依赖的服务，需满足以下条件之一，方可创建 EMR Flink SQL 任务：

   支持集群版本	支持集群类型	依赖集群服务
   EMR-1.3.1	Hadoop	Flink
   	Flink	Flink
   EMR-3.2.1 及以上	Hadoop	Flink 和 GTS

3. EMR Flink SQL 目前仅支持原生Connector：kafka、datagen、print。

4. DataLeap 项目控制台首次绑定 EMR 集群时，会提示在 EMR 集群关联的安全组中添加 8898 和 9030 端口，您单击确定按钮即可实现自动添加。添加后，为确保能在 DataLeap 上正常进行数据开发和执行任务，需保证相关端口一直存在于安全组中，不要删除。

   

   详见创建项目。

3 源数据准备

1. 新建Kafka Topic，具体操作请参考：创建Topic。
   

2. 获取 bootstrap.servers，具体操作请参考：使用默认接入点连接实例。
   

4 EMR Flink SQL任务配置说明

4.1 新建任务

选择流式数据 > EMR Flink SQL 任务类型新建任务。

1. 登录DataLeap租户控制台。

2. 在概览界面，显示加入的项目中，单击数据开发进入对应项目。

3. 在任务开发界面，左侧导航栏中，单击新建任务按钮，进入新建任务页面。

4. 选择任务类型：

   1. 分类：数据开发。

   2. 绑定引擎：EMR。

   3. 关联实例：展现项目创建时绑定的EMR引擎实例。

   4. 选择任务：流式数据 EMR Flink SQL 。

5. 填写任务基本信息：

   1. 任务名称：输入任务的名称，只允许字符.、字母、数字、下划线、连字符、[]、【】、（）、()以及中文字符，且需要在127个字符以内。

   2. 保存至： 选择任务存放的目标文件夹目录。

6. 单击确认按钮，成功创建任务。

4.2 编辑任务

新建任务成功后，进入代码开发编辑界面，通过 DDL 和 DML 编写 SQL，下图以DataGen生成数据写入Kafka为例进行说明，详细语法可参考对应版本 Flink 官方文档。

CREATE  TABLE datagen_source (f_sequence INT)
        WITH ('connector' = 'datagen', 'rows-per-second' = '60');

CREATE  TABLE kafka_sink (f_sequence INT, f_ts BIGINT)
        WITH (
            'connector' = 'kafka',
            'topic' = '{{kafka_topic}}',
            'properties.bootstrap.servers' = '{{bootstrap.servers}}',
            'format' = 'csv',
            'scan.startup.mode' = 'earliest-offset'
        );

INSERT INTO kafka_sink
SELECT  f_sequence,
        UNIX_TIMESTAMP() AS f_ts
FROM    datagen_source;

4.3 导航栏功能区解析

4.4 参数设置

单击右侧导航栏中参数设置，进行任务的基本信息、任务输入参数、资源设置、数据源登记、Flink 运行参数配置。

4.4.1 基本信息

EMR Flink SQL 任务的基本信息配置如下：

4.4.2 任务输入参数

您可通过手动添加的方式，选择项目参数或自定义参数，以变量或常量形式传入流式任务中使用，来实现同一套代码在不同执行环境下能够自动替换参数来执行。添加操作详见 3.5.2-任务输入参数。

4.4.3 资源设置

设置 EMR Flink SQL 运行时相关资源分配：

4.4.4 数据源登记

登记该任务使用的 Source 和 Sink 信息，以用于后续监控配置和血缘构建，支持通过手动添加。

• 手动添加：单击手动添加按钮，可根据 SQL 逻辑进行数据源上下游登记。

  • 源/目标：支持源/目标 Source 和 Sink 的选择。

  • 数据源类型：支持选择 DataGen、Rmq、Bmq、JDBC、Abase、火山/自建 Kafka 这些数据源类型。

  • 各数据源类型需补充填写相应的信息，您可根据实际场景进行配置，如 Kafka 的数据源类型，需填写具体的Bootstrap Servers、Topic 名称、消费组等信息。

  • 直接上游任务：您可通过手动输入任务名称方式，进行搜索上游任务，单击添加按钮，进行手动添加。

  • 直接下游任务：暂时无法通过手动添加的方式进行操作。

  说明

  1. Abase 和 Rmq 数据源类型，仅支持解析操作，暂不支持上线发布后运行。且 Abase 数据源通常是在火山引擎内部业务上云中使用。

  2. EMR 引擎暂不支持自动解析功能来登记数据源。

• 批量删除：手动添加的数据源，您可通过勾选已登记的数据源后，单击右侧删除或批量删除按钮 ，删除勾选中的数据源。

• 上下游任务查看：数据源登记解析出的上下游任务，您可对上游依赖任务进行编辑、添加、删除、禁用等操作；下游任务仅支持查看。

4.4.5 Flink 运行参数

Flink 相关的动态参数和执行参数，具体设置详见 Flink 官方文档。

• 单行编辑模式：填写 key-value，key值只允许字母、数字、小数点、下划线和连字符。
  a. 添加一行参数

  b. 删除当前这行参数

  c. 清空输入框中已输入的参数值

  

• 脚本编辑模式：通过JSON、Yaml的格式填写运行参数。

5 提交任务

任务所需参数配置完成后，将任务提交发布到运维中心实时任务运维中执行。
单击操作栏中的保存和提交上线按钮，在弹窗中，需先通过提交事前检查和提交上线等上线流程，最后单击确认按钮，完成作业提交。详见概述---流式任务提交发布。

后续任务运维操作详见：实时任务运维。

6 结果校验

流式任务启动后，可按照以下步骤，可以查看数据是否已写入目的端，以kafka为例，详细介绍请参考：消息查询。

1. 登录消息队列 Kafka版控制台。
   

2. 单击要查看的实例名称/ID，进入该实例详情页面。

3. 单击上方导航栏中 Topic管理 页签，进入Kafka Topic管理页面。
   

4. 单击要查询的 Topic名称，进入该实例页面，确认 末端Offset 是否有更新（即数值不为0）。
   

5. 返回上一级后，单击消息查询页签，进入消息查询页面。

6. 输入查询信息，下方列表中显示对应的消息。

7. 单击消息所在行的下载消息，可下载该消息的信息。
   

8. 将消息值进行Base64解码，确认结果和SQL逻辑是否匹配。