一文解析Apache Avro數據

Posted on by

摘要：本文將演示如果序列化生成avro數據，並使用FlinkSQL進行解析。

 Avro官方文檔所寫，http://avro.apache.org/docs/current/index.html.

Avro簡介

avro是一個數據序列化系統

提供瞭：

  • 豐富的數據結構
  • 緊湊的，快速的，二進制的數據格式
  • 一種文件格式，用於存儲持久化數據
  • 遠程過程調用系統（RPC）
  • 和動態語言的簡單交互。並不需要為數據文件讀寫產生代碼，也不需要使用或實現RPC協議。代碼生成是一種優化方式，但是隻對於靜態語言有意義。

技術背景

隨著互聯網高速的發展，雲計算、大數據、人工智能AI、物聯網等前沿技術已然成為當今時代主流的高新技術，諸如電商網站、人臉識別、無人駕駛、智能傢居、智慧城市等等，不僅方面方便瞭人們的衣食住行，背後更是時時刻刻有大量的數據在經過各種各樣的系統平臺的采集、清晰、分析，而保證數據的低時延、高吞吐、安全性就顯得尤為重要，Apache Avro本身通過Schema的方式序列化後進行二進制傳輸，一方面保證瞭數據的高速傳輸，另一方面保證瞭數據安全性，avro當前在各個行業的應用越來越廣泛，如何對avro數據進行處理解析應用就格外重要，本文將演示如果序列化生成avro數據，並使用FlinkSQL進行解析。

本文是avro解析的demo，當前FlinkSQL僅適用於簡單的avro數據解析,復雜嵌套avro數據暫時不支持。

場景介紹

本文主要介紹以下三個重點內容：

  • 如何序列化生成Avro數據
  • 如何反序列化解析Avro數據
  • 如何使用FlinkSQL解析Avro數據

前提條件

  • 瞭解avro是什麼，可參考apache avro官網快速入門指南
  • 瞭解avro應用場景

操作步驟

1、新建avro maven工程項目，配置pom依賴

pom文件內容如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.huawei.bigdata</groupId>
    <artifactId>avrodemo</artifactId>
    <version>1.0-SNAPSHOT</version>
    <dependencies>
        <dependency>
            <groupId>org.apache.avro</groupId>
            <artifactId>avro</artifactId>
            <version>1.8.1</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.avro</groupId>
                <artifactId>avro-maven-plugin</artifactId>
                <version>1.8.1</version>
                <executions>
                    <execution>
                        <phase>generate-sources</phase>
                        <goals>
                            <goal>schema</goal>
                        </goals>
                        <configuration>
                            <sourceDirectory>${project.basedir}/src/main/avro/</sourceDirectory>
                            <outputDirectory>${project.basedir}/src/main/java/</outputDirectory>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <configuration>
                    <source>1.6</source>
                    <target>1.6</target>
                </configuration>
            </plugin>
        </plugins>
    </build>

</project>

註意：以上pom文件配置瞭自動生成類的路徑，即${project.basedir}/src/main/avro/和${project.basedir}/src/main/java/，這樣配置之後，在執行mvn命令的時候，這個插件就會自動將此目錄下的avsc schema生成類文件，並放到後者這個目錄下。如果沒有生成avro目錄，手動創建一下即可。

2、定義schema

使用JSON為Avro定義schema。schema由基本類型（null,boolean, int, long, float, double, bytes 和string）和復雜類型（record, enum, array, map, union, 和fixed）組成。例如，以下定義一個user的schema，在main目錄下創建一個avro目錄，然後在avro目錄下新建文件 user.avsc :

{"namespace": "lancoo.ecbdc.pre",
 "type": "record",
 "name": "User",
 "fields": [
     {"name": "name", "type": "string"},
     {"name": "favorite_number",  "type": ["int", "null"]},
     {"name": "favorite_color", "type": ["string", "null"]}
 ]
}

3、編譯schema

點擊maven projects項目的compile進行編譯，會自動在創建namespace路徑和User類代碼

4、序列化

創建TestUser類，用於序列化生成數據

User user1 = new User();
user1.setName("Alyssa");
user1.setFavoriteNumber(256);
// Leave favorite col or null

// Alternate constructor
User user2 = new User("Ben", 7, "red");

// Construct via builder
User user3 = User.newBuilder()
        .setName("Charlie")
        .setFavoriteColor("blue")
        .setFavoriteNumber(null)
        .build();

// Serialize user1, user2 and user3 to disk
DatumWriter<User> userDatumWriter = new SpecificDatumWriter<User>(User.class);
DataFileWriter<User> dataFileWriter = new DataFileWriter<User>(userDatumWriter);
dataFileWriter.create(user1.getSchema(), new File("user_generic.avro"));
dataFileWriter.append(user1);
dataFileWriter.append(user2);
dataFileWriter.append(user3);
dataFileWriter.close();

執行序列化程序後，會在項目的同級目錄下生成avro數據

user_generic.avro內容如下：

Objavro.schema�{“type”:”record”,”name”:”User”,”namespace”:”lancoo.ecbdc.pre”,”fields”:[{“name”:”name”,”type”:”string”},{“name”:”favorite_number”,”type”:[“int”,”null”]},{“name”:”favorite_color”,”type”:[“string”,”null”]}]}

5、反序列化

通過反序列化代碼解析avro數據

// Deserialize Users from disk
DatumReader<User> userDatumReader = new SpecificDatumReader<User>(User.class);
DataFileReader<User> dataFileReader = new DataFileReader<User>(new File("user_generic.avro"), userDatumReader);
User user = null;
while (dataFileReader.hasNext()) {
    // Reuse user object by passing it to next(). This saves us from
    // allocating and garbage collecting many objects for files with
    // many items.
    user = dataFileReader.next(user);
    System.out.println(user);
}

執行反序列化代碼解析user_generic.avro

avro數據解析成功。

6、將user_generic.avro上傳至hdfs路徑

hdfs dfs -mkdir -p /tmp/lztest/
hdfs dfs -put user_generic.avro /tmp/lztest/

7、配置flinkserver

準備avro jar包

將flink-sql-avro-*.jar、flink-sql-avro-confluent-registry-*.jar放入flinkserver lib，將下面的命令在所有flinkserver節點執行

cp /opt/huawei/Bigdata/FusionInsight_Flink_8.1.2/install/FusionInsight-Flink-1.12.2/flink/opt/flink-sql-avro*.jar /opt/huawei/Bigdata/FusionInsight_Flink_8.1.3/install/FusionInsight-Flink-1.12.2/flink/lib
chmod 500 flink-sql-avro*.jar
chown omm:wheel flink-sql-avro*.jar

同時重啟FlinkServer實例，重啟完成後查看avro包是否被上傳

hdfs dfs -ls /FusionInsight_FlinkServer/8.1.2-312005/lib

8、編寫FlinkSQL

CREATE TABLE testHdfs(
  name String,
  favorite_number int,
  favorite_color String
) WITH(
  'connector' = 'filesystem',
  'path' = 'hdfs:///tmp/lztest/user_generic.avro',
  'format' = 'avro'
);CREATE TABLE KafkaTable (
  name String,
  favorite_number int,
  favorite_color String
) WITH (
  'connector' = 'kafka',
  'topic' = 'testavro',
  'properties.bootstrap.servers' = '96.10.2.1:21005',
  'properties.group.id' = 'testGroup',
  'scan.startup.mode' = 'latest-offset',
  'format' = 'avro'
);
insert into
  KafkaTable
select
  *
from
  testHdfs;

保存提交任務

9、查看對應topic中是否有數據

FlinkSQL解析avro數據成功。

到此這篇關於一文解析Apache Avro數據的文章就介紹到這瞭,更多相關Apache Avro數據內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：