本节主要介绍如何利用ClickHouse JDBC connector,使用不同版本的Flink写入数据到ClickHouse中。

背景信息

Flink在1.11.0版本对其JDBC connector进行了一次较大的重构:

  • 重构之前(1.10.1及之前版本),包名为flink-jdbc 。
  • 重构之后(1.11.0及之后版本),包名为flink-connector-jdbc 。

二者对Flink中以不同方式写入ClickHouse Sink的支持情况如下:

API名称 flink-jdbc flink-connector-jdbc
DataStream 不支持 支持
Table API (Legecy) 支持 不支持
Table API (DDL) 不支持 不支持

flink-connector-jdbc完全移除了对Table API (Legecy) 的支持,只能通过DDL的方式调用Table API。但是,Table DDL方式硬编码了其所支持的 JDBC Driver,不支持ClickHouse。

下面,我们依次以Flink 1.10.1 + flink-jdbc 以及Flink 1.11.0 + flink-connector-jdbc 为例,介绍Flink写入ClickHouse的方法。

Flink 1.10.1 + flink-jdbc

Flink 1.10.1及之前版本需要采用flink-jdbc+Table API的方式写入数据到ClickHouse。本节我们使用Maven及Flink 1.10.1版本进行示例。

  1. mvn archetype:generate命令创建项目,生成过程中根据提示输入group-id和artifact-id等。
    $ mvn archetype:generate \
          -DarchetypeGroupId=org.apache.flink \
          -DarchetypeArtifactId=flink-quickstart-scala \
          -DarchetypeVersion=1.10.1
  2. 编辑pom.xml中的<dependencies />小节添加依赖。
    //添加Flink Table API相关的依赖
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-table-planner-blink_${scala.binary.version}</artifactId>
                <version>${flink.version}</version>
                <scope>provided</scope>
            </dependency>
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-table-api-scala-bridge_${scala.binary.version}</artifactId>
                <version>${flink.version}</version>
            </dependency>
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-table-common</artifactId>
                <version>${flink.version}</version>
                <scope>provided</scope>
            </dependency>
    
    //添加Flink JDBC以及Clickhouse JDBC Driver相关的依赖
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-jdbc_${scala.binary.version}</artifactId>
                <version>${flink.version}</version>
            </dependency>
            <dependency>
                <groupId>ru.yandex.clickhouse</groupId>
                <artifactId>clickhouse-jdbc</artifactId>
                <version>0.2.4</version>
            </dependency>
                            
  3. 创建数据写入程序文件。
    示例程序使用 CsvTableSource读入 CSV 文件产生Table Source,使用 JDBCAppendTableSink将数据写入到ClickHouse Sink中。
    说明
    • 由于ClickHouse单次插入的延迟比较高,我们需要设置BatchSize来批量插入数据,提高性能。
    • 在JDBCAppendTableSink的实现中,若最后一批数据的数目不足BatchSize,则不会插入剩余数据。
    package org.myorg.example
    
    import org.apache.flink.streaming.api.scala._
    import org.apache.flink.table.sources._
    import org.apache.flink.table.api.scala.StreamTableEnvironment
    import org.apache.flink.table.api._
    import org.apache.flink.types.Row
    import org.apache.flink.table.api.{
      TableEnvironment,
      TableSchema,
      Types,
      ValidationException
    }
    import org.apache.flink.api.java.io.jdbc.JDBCAppendTableSink
    import org.apache.flink.api.common.typeinfo.TypeInformation
    
    object StreamingJob {
      def main(args: Array[String]) {
        val SourceCsvPath =
          "/<your-path-to-test-csv>/source.csv"
        val CkJdbcUrl =
          "jdbc:clickhouse://<clickhouse-host>:<port>/<database>"
        val CkUsername = "<your-username>"
        val CkPassword = "<your-password>"
        val BatchSize = 500 // 设置您的batch size
    
        val env = StreamExecutionEnvironment.getExecutionEnvironment
    
        val tEnv = StreamTableEnvironment.create(env)
    
        val csvTableSource = CsvTableSource
          .builder()
          .path(SourceCsvPath)
          .ignoreFirstLine()
          .fieldDelimiter(",")
          .field("name", Types.STRING)
          .field("age", Types.LONG)
          .field("sex", Types.STRING)
          .field("grade", Types.LONG)
          .field("rate", Types.FLOAT)
          .build()
    
        tEnv.registerTableSource("source", csvTableSource)
    
        val resultTable = tEnv.scan("source").select("name, grade, rate")
    
        val insertIntoCkSql =
          """
            |  INSERT INTO sink_table (
            |    name, grade, rate
            |  ) VALUES (
            |    ?, ?, ?
            |  )
          """.stripMargin
    
    //将数据写入 ClickHouse Sink 
        val sink = JDBCAppendTableSink
          .builder()
          .setDrivername("ru.yandex.clickhouse.ClickHouseDriver")
          .setDBUrl(CkJdbcUrl)
          .setUsername(CkUsername)
          .setPassword(CkPassword)
          .setQuery(insertIntoCkSql)
          .setBatchSize(BatchSize)
          .setParameterTypes(Types.STRING, Types.LONG, Types.FLOAT)
          .build()
    
        tEnv.registerTableSink(
          "sink",
          Array("name", "grade", "rate"),
          Array(Types.STRING, Types.LONG, Types.FLOAT),
          sink
        )
    
        tEnv.insertInto(resultTable, "sink")
    
        env.execute("Flink Table API to ClickHouse Example")
      }
    }
    参数说明:
    • SourceCsvPath:源CSV文件路径。
    • CkJdbcUrl:目标ClickHouse集群地址。
    • CkUsername:目标ClickHouse集群用户名。
    • CkPassword:目标ClickHouse集群对应密码。
  4. 编译运行。
    $ mvn clean package
    $ ${FLINK_HOME}/bin/flink run target/example-0.1.jar

Flink 1.11.0 + flink-connector-jdbc

Flink 1.11.0及之后版本需要采用flink-connector-jdbc+DataStream的方式写入数据到ClickHouse。本节我们使用Maven及Flink 1.11.0版本进行示例。

  1. mvn archetype:generate命令创建项目,生成过程中会提示输入group-id和artifact-id等。
    $ mvn archetype:generate \
          -DarchetypeGroupId=org.apache.flink \
          -DarchetypeArtifactId=flink-quickstart-scala \
          -DarchetypeVersion=1.11.0
  2. 编辑pom.xml中的<dependencies />小节添加依赖。
    //添加Flink Table API相关的依赖
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-table-planner-blink_${scala.binary.version}</artifactId>
                <version>${flink.version}</version>
                <scope>provided</scope>
            </dependency>
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-table-api-scala-bridge_${scala.binary.version}</artifactId>
                <version>${flink.version}</version>
            </dependency>
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-table-common</artifactId>
                <version>${flink.version}</version>
                <scope>provided</scope>
            </dependency>
    
    //添加Flink JDBC Connector以及Clickhouse JDBC Driver相关的依赖
            <dependency>
                <groupId>org.apache.flink</groupId>
                <artifactId>flink-connector-jdbc_${scala.binary.version}</artifactId>
                <version>${flink.version}</version>
            </dependency>
            <dependency>
                <groupId>ru.yandex.clickhouse</groupId>
                <artifactId>clickhouse-jdbc</artifactId>
                <version>0.2.4</version>
            </dependency>
  3. 创建数据写入程序文件。
    示例程序使用 CsvTableSource读入CSV文件产生Table Source,通过 TableEnvironment.toAppendStream 将Table转换为DataStream。使用 JdbcSink将数据写入到ClickHouse中。
    说明
    • 由于ClickHouse单次插入的延迟比较高,我们需要设置BatchSize来批量插入数据,提高性能。
    • 当前版本的flink-connector-jdbc,使用Scala API调用JdbcSink时会出现lambda函数的序列化问题。我们只能采用手动实现interface的方式来传入相关JDBC Statement build函数(class CkSinkBuilder)。
      class CkSinkBuilder extends JdbcStatementBuilder[(String, Long, Float)] {
        def accept(ps: PreparedStatement, v: (String, Long, Float)): Unit = {
          ps.setString(1, v._1)
          ps.setLong(2, v._2)
          ps.setFloat(3, v._3)
        }
      }
    package org.myorg.example
    
    import org.apache.flink.streaming.api.scala._
    import org.apache.flink.table.sources._
    import org.apache.flink.table.api.bridge.scala.StreamTableEnvironment
    import org.apache.flink.table.api._
    import org.apache.flink.types.Row
    import org.apache.flink.table.api.{
      TableEnvironment,
      TableSchema,
      Types,
      ValidationException
    }
    import org.apache.flink.connector.jdbc._
    import java.sql.PreparedStatement
    
    //手动实现interface的方式来传入相关JDBC Statement build函数
    class CkSinkBuilder extends JdbcStatementBuilder[(String, Long, Float)] {
      def accept(ps: PreparedStatement, v: (String, Long, Float)): Unit = {
        ps.setString(1, v._1)
        ps.setLong(2, v._2)
        ps.setFloat(3, v._3)
      }
    }
    
    object StreamingJob {
      def main(args: Array[String]) {
        val SourceCsvPath =
          "/<your-path-to-test-csv>/source.csv"
        val CkJdbcUrl = "jdbc:clickhouse://<clickhouse-host>:<port>/<database>"
        val CkUsername = "<your-username>"
        val CkPassword = "<your-password>"
        val BatchSize = 500 // 设置您的 batch size
    
        val env = StreamExecutionEnvironment.getExecutionEnvironment
    
        val tEnv = StreamTableEnvironment.create(env)
    
        val csvTableSource = CsvTableSource
          .builder()
          .path(SourceCsvPath)
          .ignoreFirstLine()
          .fieldDelimiter(",")
          .field("name", Types.STRING)
          .field("age", Types.LONG)
          .field("sex", Types.STRING)
          .field("grade", Types.LONG)
          .field("rate", Types.FLOAT)
          .build()
    
        tEnv.registerTableSource("source", csvTableSource)
    
        val resultTable = tEnv.scan("source").select("name, grade, rate")
    
    //将Table转换为DataStream
        val resultDataStream =
          tEnv.toAppendStream[(String, Long, Float)](resultTable)
    
        val insertIntoCkSql =
          """
            |  INSERT INTO sink_table (
            |    name, grade, rate
            |  ) VALUES (
            |    ?, ?, ?
            |  )
          """.stripMargin
    
    //将数据写入ClickHouse JDBC Sink
        resultDataStream.addSink(
          JdbcSink.sink[(String, Long, Float)](
            insertIntoCkSql,
            new CkSinkBuilder,
            new JdbcExecutionOptions.Builder().withBatchSize(BatchSize).build(),
            new JdbcConnectionOptions.JdbcConnectionOptionsBuilder()
              .withDriverName("ru.yandex.clickhouse.ClickHouseDriver")
              .withUrl(CkJdbcUrl)
              .withUsername(CkUsername)
              .withPassword(CkPassword)
              .build()
          )
        )
    
        env.execute("Flink DataStream to ClickHouse Example")
      }
    }
    参数说明:
    • SourceCsvPath:源CSV文件路径。
    • CkJdbcUrl:目标ClickHouse集群地址。
    • CkUsername:目标ClickHouse集群用户名。
    • CkPassword:目标ClickHouse集群对应密码。
  4. 编译运行。
    $ mvn clean package
    $ ${FLINK_HOME}/bin/flink run target/example-0.1.jar