2

我有一个非常简化的用例：我想使用 Apache Flink (1.11) 从 Kafka 主题（我们称之为 source_topic）读取数据，计算其中的一个属性（称为 b）并将结果写入另一个 Kafka 主题（result_topic ）。

到目前为止，我有以下代码：

from pyflink.datastream import StreamExecutionEnvironment, TimeCharacteristic
from pyflink.table import StreamTableEnvironment, EnvironmentSettings

def log_processing():
    env = StreamExecutionEnvironment.get_execution_environment()
    env_settings = EnvironmentSettings.new_instance().use_blink_planner().in_streaming_mode().build()
    t_env = StreamTableEnvironment.create(stream_execution_environment=env, environment_settings=env_settings)`
    t_env.get_config().get_configuration().set_boolean("python.fn-execution.memory.managed", True)
    t_env.get_config().get_configuration().set_string("pipeline.jars", "file:///opt/flink-1.11.2/lib/flink-sql-connector-kafka_2.11-1.11.2.jar")

    source_ddl = """
            CREATE TABLE source_table(
                a STRING,
                b INT
            ) WITH (
              'connector' = 'kafka',
              'topic' = 'source_topic',
              'properties.bootstrap.servers' = 'node-1:9092',
              'scan.startup.mode' = 'earliest-offset',
              'format' = 'csv',
              'csv.ignore-parse-errors' = 'true'
            )
            """

    sink_ddl = """
            CREATE TABLE result_table(
                b INT,
                result BIGINT
            ) WITH (
              'connector' = 'kafka',
              'topic' = 'result_topic',
              'properties.bootstrap.servers' = 'node-1:9092',
              'format' = 'csv'
            )
            """

    t_env.execute_sql(source_ddl)
    t_env.execute_sql(sink_ddl)
    t_env.execute_sql("INSERT INTO result_table SELECT b,COUNT(b) FROM source_table GROUP BY b")
    t_env.execute("Kafka_Flink_job")

if __name__ == '__main__':
    log_processing()

但是当我执行它时，我收到以下错误：

py4j.protocol.Py4JJavaError: An error occurred while calling o5.executeSql.
: org.apache.flink.table.api.TableException: Table sink 'default_catalog.default_database.result_table' doesn't support consuming update changes which is produced by node GroupAggregate(groupBy=[b], select=[b, COUNT(b) AS EXPR$1])

SELECT我可以通过一个简单的语句将数据写入 Kafka 主题。但是一旦我添加了该GROUP BY子句，就会抛出上面的异常。我遵循了 Flink 关于使用 Table API with SQL for Python 的文档：https ://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/table/common.html#sql

非常感谢任何帮助，我对流处理和 Flink 非常陌生。谢谢！

4

1 回答 1

2

使用GROUP BY子句将生成更新流，从 Flink 1.11 开始，Kafka 连接器不支持该流。另一方面，当您使用SELECT没有任何聚合的简单语句时，结果流是仅附加的（这就是您能够毫无问题地使用它的原因）。

Flink 1.12 即将发布，它包括一个新的 upsert Kafka 连接器（如果你好奇的话，FLIP-149 ）将允许你在 PyFlink（即 Python Table API）中执行这种类型的操作。

于 2020-11-17T09:32:19.970 回答