读取DataHub数据写入阿里云HBase示例 - 实时计算Flink版

本文为您介绍如何使用Datastream作业读取DataHub数据写入HBase。

前提条件

本地安装了Java JDK 8。
本地安装了Maven 3.x。
本地安装了用于Java或Scala开发的IDE，推荐IntelliJ IDEA，且已配置完成JDK和Maven环境。
在DataHub上创建了Topic，并且Topic中存在测试数据。

说明测试数据需要有3个字段，数据类型依次为BOOLEAN、STRING和STRING。
创建与实时计算独享模式同一地域下相同VPC的HBase示例，并创建表和列簇。通过Shell访问HBase集群步骤请参见使用Shell访问。
说明
- 本示例为标准版HBase。
- 实时计算集群IP需要添加至HBase白名单。

背景信息

本文以Windows系统为例进行演示。

注意仅Blink 3.x版本支持本示例。

开发

下载并解压Hbase_Demo-master示例到本地。
在IntelliJ IDEA中，单击File > Open，打开刚才解压缩完成的Hbase_Demo-master。

双击打开\Hbase_Demo-master\src\main\java\Hbase_Demo后，修改HbaseDemo.java文件中的DataHub与HBase相关参数。

//DataHub相关参数
//private static String endPoint ="public endpoint";//公网访问（填写内网Endpoint，就不用填写公网Endpoint）。
private static String endPoint = "inner endpoint";//内网访问。
private static String projectName = "yourProject";
private static String topicSourceName = "yourTopic";
private static String accessId = "yourAK";
private static String accessKey = "yourAS";
private static Long datahubStartInMs = 0L;//设置消费的启动位点对应的时间。
//Hbase相关参数
private static String zkQuorum = "yourZK";
private static String tableName = "yourTable";
private static String columnFamily = "yourcolumnFamily";

在下载文件中pom.xml所在的目录执行如下命令打包文件。
```
mvn package -Dcheckstyle.skip
```
根据您的项目设置的artifactId，target目录下会出现Hbase_Demo-1.0-SNAPSHOT-shaded.jar的JAR包，即代表完成了开发工作。

上线

请参见上线完成作业上线。

说明作业上线前，请在开发页面右侧的资源配置页签，配置源表的并发数，源表并发数不能大于源表的Shard数，否则作业启动后JM（Job Manager）报错。

本示例对应的作业内容如下。

--完整主类名，必填。
blink.main.class=Hbase_Demo.HbaseDemo

--作业名称。
blink.job.name=datahub_demo

--包含完整主类名的JAR包资源名称，多个JAR包时必填。
--blink.main.jar=Hbase_Demo-1.0-snapshot.jar

--默认statebackend配置，当作业代码没有显式配置时生效。
state.backend.type=niagara
state.backend.niagara.ttl.ms=129600000

--默认checkpoint配置，当作业代码没有显式配置时生效。
blink.checkpoint.interval.ms=180000

说明您可以设置自定义参数，详情请参见自定义参数。

验证

在实时计算控制台发送测试数据至DataHub。

CREATE TABLE kafka_src (
   a BOOLEAN
) WITH (
   type = 'random'
);

CREATE TABLE event_logs (
   `a` BOOLEAN,
    b  VARCHAR,
   `c` VARCHAR
) WITH (
    type = 'datahub',
    endPoint = '<yourEndpoint>',
    project = '<yourProject>',
    topic = '<yourTopic>',
    accessId='<yourAccessId>',    
    accessKey='<yourAccessKey>'
);

INSERT INTO event_logs
SELECT
    a,'rowkey3' as b,'123' as c
FROM kafka_src;

连接HBase集群，详情请参见使用Shell访问。
执行scan 'hbase_sink'查看写入数据。
出现类似如下输出，则表示已经成功将DataHub数据写入阿里云HBase。

常见问题

在作业运行时，如果界面出现如下类似的错误，表示存在JAR包冲突。

java.lang.AbstractMethodError：com.alibaba.fastjson.support.jaxrs.FastJsonAutoDiscoverable.configure(Lcom/alibaba/blink/shaded/datahub/javax/ws/rs/core/FeatureContext;)

建议您使用maven-shade-plugin插件的Relocation功能，解决JAR包冲突的问题。

<relocations combine.self="override">
   <relocation>
       <pattern>org.glassfish.jersey</pattern>
       <shadedPattern>com.alibaba.blink.shaded.datahub.org.glassfish.jersey</shadedPattern>
   </relocation>
</relocations>