apache druid 与kafka整合使用

绝地灬酷狼 2022-09-12 04:59 220阅读 0赞

## 前言 ##

在上一篇，我们了解了apache druid的搭建，以及如何快速导入外部数据源到apache druid中进行数据分析和使用

本篇，我们结合一个实际的简单的应用场景，来说说apache druid如何在实际项目中进行使用

## 业务场景 ##

如下所示，是一个很常见的数据分析的业务，通常来说，很多实时或准实时的数据（这里理解为外部数据源）需要通过kafka进行中转，即发送到kafka中，

apache druid提供了导入外部数据源的功能，可以接收来自kafka指定topic的数据，然后支持数据分析，将kafka的数据导入到apache druid之后，再通过程序（后台应用）进行数据读取，根据实际的业务需求读取从kafka中摄取的数据进行逻辑处理

最后，应用程序将数据处理之后，进行写库，或者作为大屏展示的数据进行输出  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16]

以此为基础，可以将这个过程应用到很多与之相关的场景中，比如源数据是来自大数据引擎的处理结果，或者是python程序爬虫得到的结果…

下面我们来对这个过程从操作到代码实现做一个完整的演示

## 前置准备 ##

*  docker或者linux环境下搭建的zookeeper和kafka，并提前创建一个topic
 *  启动apache druid服务

做一下kafaka的数据测试，验证topic可以正常的收发消息  
![在这里插入图片描述][868eb18f8ad242ebb1bfd8f2144de395.png]  
![在这里插入图片描述][afe8ab02f6ac4be4beb80ca7513cab44.png]

**1、apache druid 控制台连接kafka**

loada data 选择kafka  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 1]  
填写kafka的连接信息即可  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 2]  
然后一路next等待解析，解析完毕，通过顶部的query查看左侧是否出现下面的这个自定义的库名  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 3]  
上面的意思是，将kafka中某个topic中的数据解析到apache druid的库中，然后就可以通过apache druid对导入的数据进行管理和分析了

我们不妨使用sql查询一下，可以看到刚刚我们做测试的数据都展示出来了  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 4]

**2、编写程序，定时向kafka推送消息**

import com.fasterxml.jackson.core.JsonProcessingException;
    import com.fasterxml.jackson.databind.ObjectMapper;
    import org.apache.kafka.clients.producer.KafkaProducer;
    import org.apache.kafka.clients.producer.ProducerRecord;
    
    import java.util.HashMap;
    import java.util.Map;
    import java.util.Properties;
    import java.util.concurrent.Executors;
    import java.util.concurrent.ScheduledExecutorService;
    import java.util.concurrent.TimeUnit;
    import java.util.concurrent.atomic.AtomicLong;
    
    public class KfkaTest {
    
        public static void main(String[] args) {
            AtomicLong atomicLong = new AtomicLong(1);
            Runnable runnable = new Runnable() {
                public void run() {
                    //定时向kafka推送消息
                    long l = atomicLong.incrementAndGet();
                    pushMessage(l);
                }
            };
            ScheduledExecutorService service = Executors
                    .newSingleThreadScheduledExecutor();
            // 第二个参数为首次执行的延时时间，第三个参数为定时执行的间隔时间
            service.scheduleAtFixedRate(runnable, 10, 1, TimeUnit.SECONDS);
        }
    
        public static void pushMessage(long num) {
            Properties properties = new Properties();
            properties.put("bootstrap.servers", "IP:9092");
            properties.put("acks", "all");
            properties.put("retries", "3");
            properties.put("batch.size", "16384");
            properties.put("linger.ms", 1);
            properties.put("buffer.memory", 33554432);
            //key和value的序列化
            properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
            properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
            //构造生产者对象
            KafkaProducer<String, String> producer = new KafkaProducer<>(properties);
            ObjectMapper objectMapper = new ObjectMapper();
            Map<String, Object> map = new HashMap<>();
            map.put("name", "gaoliang:" + num);
            map.put("age", 19);
            map.put("city", "深圳");
            String val = null;
            try {
                val = objectMapper.writeValueAsString(map);
                System.out.println(val);
            } catch (JsonProcessingException e) {
                e.printStackTrace();
            }
            producer.send(new ProducerRecord<>("study1", "congge ", val));
            //关闭连接资源
            producer.close();
        }
    
    }

**3、通过程序读取apache druid 的数据**

关于这一点，方式就很灵活了，是将读取到的数据做何种处理呢？那就要看业务的具体需求了，比如可以直接通过接口将读取到的最新数据返回给页面做展示呢？还是将数据进行逻辑处理之后入库呢？还是交给其他的服务进一步使用呢？通常来说，进行读取之后，写库和展示的应用场景比较多

下面来演示下，如何在程序中读取apache druid的数据，想必这个是大家关心的

直接在pom文件中添加如下依赖

<dependency>
                <groupId>org.apache.calcite.avatica</groupId>
                <artifactId>avatica-core</artifactId>
                <version>1.15.0</version>
            </dependency>

apache druid官方提供了jdbc的方式对数据进行查询的连接方式，下面直接上代码了

import org.apache.calcite.avatica.AvaticaConnection;
    import org.apache.calcite.avatica.AvaticaStatement;
    
    import java.sql.DriverManager;
    import java.sql.ResultSet;
    import java.sql.SQLException;
    import java.util.Properties;
    
    public class DruidTest {
    
        private static final String DRUID_URL = "jdbc:avatica:remote:url=http://IP:8888/druid/v2/sql/avatica/";
    
        private static ThreadLocal<AvaticaConnection> threadLocal = new ThreadLocal<>();
    
        /**
         * 打开连接
         * @param
         * @return
         * @throws SQLException
         */
        public static AvaticaConnection connection() throws SQLException {
            Properties properties = new Properties();
            AvaticaConnection connection = (AvaticaConnection) DriverManager.getConnection(DRUID_URL, properties);
            threadLocal.set(connection);
            return connection;
        }
    
        /**
         * 关闭连接
         * @throws SQLException
         */
        public static void closeConnection() throws SQLException{
            System.out.println("关闭线程："+threadLocal.get());
            AvaticaConnection conn = threadLocal.get();
            if(conn != null){
                conn.close();
                threadLocal.remove();
            }
        }
    
        /**
         * 根据sql查询结果
         * @param
         * @param sql
         * @return
         * @throws SQLException
         */
        public static ResultSet executeQuery (String sql) throws SQLException{
            AvaticaStatement statement = connection().createStatement();
            ResultSet resultSet = statement.executeQuery(sql);
            return resultSet;
        }
    
        public static void main(String[] args) {
            try {
                String sql = "SELECT * FROM \"study1\" limit 10";
                for (int i = 0; i < 5; i++) {
                    ResultSet resultSet = executeQuery(sql);
                    System.out.println("开始连接"+i + ";   连接线程："+threadLocal.get());
                    while(resultSet.next()){
                        String name = resultSet.getString("name");
                        System.out.println(name + "   ;   "+ name);
                    }
                    closeConnection();
                }
            } catch (SQLException throwables) {
                throwables.printStackTrace();
            }
        }
    
    }

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 5]

这时候不妨往kafka的study1的topic中再推一条消息  
![在这里插入图片描述][917e8b30db9045139798e3b76f31d3ba.png]  
界面上查询，可以看到，数据已经过来了  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 6]  
再次运行程序，也能成功读取到  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 7]

**以上，通过程序结合控制台讲述了如何利用java程序连接kafka和apache druid的一种简单的业务场景，本篇的处理较为简单，未涉及到具体的功能层面的整合，主要是为使用apache druid进行进一步的深入使用做一个铺垫，希望对看到的同学有用！**

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/c6d877a31e6c42c68cc8412b0d88baa0.png
[868eb18f8ad242ebb1bfd8f2144de395.png]: /images/20220828/31ef9522e29246019d24f9e2d9b0f28c.png
[afe8ab02f6ac4be4beb80ca7513cab44.png]: /images/20220828/5ff10daceb3744efb8ade49036848ab7.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/6199b3c82c0f49eea35f0357b6673f86.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/f8c1078430a84df2a612783f565e01fc.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/c0c55232f81e4004819c558d5de26b68.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 4]: /images/20220828/0b0ca98118094c0cb92961f920045443.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 5]: /images/20220828/f702f9fb846d45a7b009f434cf671cc0.png
[917e8b30db9045139798e3b76f31d3ba.png]: /images/20220828/213d1f431e0f417cbcceab7d822f0917.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 6]: /images/20220828/042acdc1c3f0434dae513899f15e1fda.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCP56CB5Yac5Y-U5Y-U_size_20_color_FFFFFF_t_70_g_se_x_16 7]: /images/20220828/e7e8142277b840dea99884900a735141.png