Flink 安装的教程就不在这里赘叙了，可以看一下以前的文章,这篇文章主要是把流式数据写入的OLAP（ClickHouse）中作查询分析

Flink 1.13.2, ClickHouse 22.1.3.7

1、安装ClickHouse(MacOS)

这里直接使用docker安装，没有安装的同学可以使用homebreak来安装，执行下面的命令即可（已经安装了docker的可以忽略）

brew install --cask --appdir=/Applications docker

1.1 启动docker 

四指进入Application ，双击Docker 图表安装，一直点击下一步即可

1.2 拉取ClickHouse 镜像

--客户端
docker pull yandex/clickhouse-client

--服务端
docker pull yandex/clickhouse-server

 

1.3 启动ClickHouse Server

docker run -d --name ch-server --ulimit nofile=262144:262144 -p 8123:8123 -p 9000:9000 -p 9009:9009 yandex/clickhouse-server

1.4 查询是否启动成功

docker ps

1.4.1 打开web-ui 页面

http://127.0.0.1:8123/play

 1.5 成功安装好了ClickHouse

 想看更多的安装方式可以查看官网安装 | ClickHouse Docs

1.6 拓展：Client登陆方式

有些同学想等过clickhouse-client登陆，也是可以的，不过就是稍微有点麻烦，建议只是测试使用的时候用web-ui就能满足，想通过clickhouse-client登陆呢，就必须进去到镜像

1.6.1 获取镜像id

-- 获取镜像ID
docker ps

 

1.6.2 进入镜像

docker exec -it a7d127a4f91b /bin/bash

 1.6.3 使用client 登陆(默认没有密码)

bin/clickhouse-client

 

2.  编码

2.1 在clickhouse中创建表

CREATE TABLE IF NOT EXISTS default.t_user(id UInt16,
name String,
age UInt16 ) ENGINE = TinyLog();

  

2.2 引入flink-sink-clickhouse jar包

        <!-- clickhouse -->
		<dependency>
			<groupId>ru.ivi.opensource</groupId>
			<artifactId>flink-clickhouse-sink</artifactId>
			<version>1.3.3</version>
        <dependency>

2.3 读取流式数据

DataStream<String> inputStream = env.socketTextStream("localhost", 18888);

2.4 Transform 部分

//transform
        SingleOutputStreamOperator<String> userStream = sourceStream
                .map(v -> new UserTest(v))
                .setParallelism(1)
                .name("convert_user_map")
                .map(v -> UserTest.convertToCsv(v))
                .setParallelism(1)
                .name("convert_csv_map");

public class UserTest {
    public int id;
    public String name;
    public int age;

    public UserTest(int id, String name, int age) {
        this.id = id;
        this.name = name;
        this.age = age;
    }

    public UserTest(String v) {
        String[] split = v.split(",");
        this.id = Integer.valueOf(split[0]);
        this.name = split[1];
        this.age = Integer.valueOf(split[2]);
    }

    public UserTest of(int id, String name, int age) {
        return new UserTest(id, name, age);
    }
 
    // 构造Value 部分(1,'李四',20)
    public static String convertToCsv(UserTest user) {
        StringBuilder sb = new StringBuilder("(");

        // add user.id
        sb.append(user.id);
        sb.append(", ");
 
        // add user.name
        sb.append("'");
        sb.append(String.valueOf(user.name));
        sb.append("', ");
 
        // add user.age
        sb.append(user.age);

        sb.append(" )");
        return sb.toString();
    }
}

2.5 sink 

// create props for sink
        Properties props = new Properties();
        props.put(ClickHouseSinkConst.TARGET_TABLE_NAME, "default.t_user");
        props.put(ClickHouseSinkConst.MAX_BUFFER_SIZE, "10000");
        ClickHouseSink sink = new ClickHouseSink(props);
        dataStream.addSink(sink);
        dataStream.print();

2.6 测试

2.6.1 启动18888端口

nc -l 18888

 

2.6.2 启动程序

2.6.3 输入测试数据

1,lisi,20
5,wangwu,30
6,zz,100

 

 2.6.4 查看数据是否成功写入

select * from default.t_user;

 

 发现所有数据都成功写入到ClickHouse中了，WellDone!!!

3.拓展

3.1 完整的代码(包括SQL，测试数据)

都上传到github上了

(如果可以，请点一下star⭐️，谢谢支持)：
Github:https://github.com/BiGsuw/flink-learning/blob/main/src/main/java/com/flink/demo/sink/ClickHouseTest.java