本文主要讨论如何使用 Alink 的 Kafka 连接组件（Kafka011SourceStreamOp和Kafka011SinkStreamOp）读取写入数据。如何你需要一个本地的 Kafka 数据源进行实验，可以参考我另外一篇文章，详细介绍了搭建 Kafka 及建立 Topic 的过程。
-
在 MacOS 上搭建 Kafka
https://zhuanlan.zhihu.com/p/100990121
-
在 Windows 上搭建 Kafka
https://zhuanlan.zhihu.com/p/101162159
首先，我们演示如何将流式数据写入 Kafka。
假设已经有一个 Kafka 的数据源（譬如：本地 Kafka 数据源，端口为 9092），并且 Kafka 中已经有一个 topic，名称为 iris，则 Kafka 写入组件 Kafka011SinkStreamOp 可以如下设置：
Kafka011SinkStreamOp sink = new Kafka011SinkStreamOp().setBootstrapServers("localhost:9092").setDataFormat("json").setTopic("iris");
注意：Kafka 写入的数据只能为字符串，需要设置每条记录转化为字符串的方式，这里我们使用 Json 格式。
我们还需要构造一个获取流式数据的方式，最简单的方式是使用 CsvSourceStreamOp 组件，将 csv 数据（alink-release.oss-cn-beijing.aliyuncs.com）以流的方式读入。然后，再连接 Kafka 写入组件，开始执行流式操作。完整代码如下：
private static void writeKafka() throws Exception {String URL = "https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/iris.csv";String SCHEMA_STR= "sepal_length double, sepal_width double, petal_length double, petal_width double, category string";CsvSourceStreamOp data = new CsvSourceStreamOp().setFilePath(URL).setSchemaStr(SCHEMA_STR);Kafka011SinkStreamOp sink = new Kafka011SinkStreamOp().setBootstrapServers("localhost:9092").setDataFormat("json").setTopic("iris");data.link(sink);StreamOperator.execute();}
由于 CSV 文件中数据有限，当读取完最后一条时，流式任务会结束。
接下来，我们可以使用 Alink 的 Kafka011SourceStreamOp 组件读取数据，并设置其消费者组 ID，读取模式为从头开始，具体代码如下：
private static void readKafka() throws Exception {Kafka011SourceStreamOp source = new Kafka011SourceStreamOp().setBootstrapServers("localhost:9092").setTopic("iris").setStartupMode("EARLIEST").setGroupId("alink_group");source.print();StreamOperator.execute();}
执行打印结果如下，中间略去大部分数据：
message_key|message|topic|topic_partition|partition_offset
-----------|-------|-----|---------------|----------------
null|{"sepal_width":3.4,"petal_width":0.2,"sepal_length":4.8,"category":"Iris-setosa","petal_length":1.6}|iris|0|0
null|{"sepal_width":4.1,"petal_width":0.1,"sepal_length":5.2,"category":"Iris-setosa","petal_length":1.5}|iris|0|1
null|{"sepal_width":2.8,"petal_width":1.5,"sepal_length":6.5,"category":"Iris-versicolor","petal_length":4.6}|iris|0|2
null|{"sepal_width":3.0,"petal_width":1.8,"sepal_length":6.1,"category":"Iris-virginica","petal_length":4.9}|iris|0|3
null|{"sepal_width":2.9,"petal_width":1.8,"sepal_length":7.3,"category":"Iris-virginica","petal_length":6.3}|iris|0|4
......
null|{"sepal_width":2.2,"petal_width":1.0,"sepal_length":6.0,"category":"Iris-versicolor","petal_length":4.0}|iris|0|145
null|{"sepal_width":2.4,"petal_width":1.0,"sepal_length":5.5,"category":"Iris-versicolor","petal_length":3.7}|iris|0|146
null|{"sepal_width":3.1,"petal_width":0.2,"sepal_length":4.6,"category":"Iris-setosa","petal_length":1.5}|iris|0|147
null|{"sepal_width":3.4,"petal_width":0.2,"sepal_length":4.8,"category":"Iris-setosa","petal_length":1.9}|iris|0|148
null|{"sepal_width":2.9,"petal_width":1.4,"sepal_length":6.1,"category":"Iris-versicolor","petal_length":4.7}|iris|0|149
可以看到直接从 Kafka 中获取的每条数据都是 Json 格式的字符串。
接下来，我们需要对字符串里面的数据进行提取。推荐使用 JsonValueStreamOp，通过设置需要提取内容的 JsonPath，提取出各列数据。详细代码如下：
Kafka011SourceStreamOp source =new Kafka011SourceStreamOp().setBootstrapServers("localhost:9092").setTopic("iris").setStartupMode("EARLIEST").setGroupId("alink_group");StreamOperator data = source.link(new JsonValueStreamOp().setSelectedCol("message").setReservedCols(new String[] {}).setOutputCols(new String[] {"sepal_length", "sepal_width", "petal_length", "petal_width", "category"}).setJsonPath(new String[] {"$.sepal_length", "$.sepal_width", "$.petal_length", "$.petal_width","$.category"}));System.out.print(data.getSchema());data.print();StreamOperator.execute();
关于结果数据的 Schema 打印为：
root|-- sepal_length: STRING|-- sepal_width: STRING|-- petal_length: STRING|-- petal_width: STRING|-- category: STRING
可以看出 JsonValueStreamOp 提取出来的结果都是 string 类型的，具体数据打印结果如下，略去中间的大部分数据。
sepal_length|sepal_width|petal_length|petal_width|category
------------|-----------|------------|-----------|--------
4.8|3.4|1.6|0.2|Iris-setosa
5.2|4.1|1.5|0.1|Iris-setosa
6.5|2.8|4.6|1.5|Iris-versicolor
6.1|3.0|4.9|1.8|Iris-virginica
7.3|2.9|6.3|1.8|Iris-virginica
......
5.2|2.7|3.9|1.4|Iris-versicolor
6.4|2.7|5.3|1.9|Iris-virginica
6.8|3.0|5.5|2.1|Iris-virginica
5.7|2.5|5.0|2.0|Iris-virginica
6.1|2.8|4.0|1.3|Iris-versicolor
至此，我们已经能够拿到数据了，只是数据的类型有问题，需要进行转换。我们可以使用 Flink SQL 的 cast 方法，在代码实现上，只需在连接 JsonValueStreamOp之 后，使用 select 方法（其参数为 SQL 语句），具体代码如下：
StreamOperator data = source.link(new JsonValueStreamOp().setSelectedCol("message").setReservedCols(new String[] {}).setOutputCols(new String[] {"sepal_length", "sepal_width", "petal_length", "petal_width", "category"}).setJsonPath(new String[] {"$.sepal_length", "$.sepal_width", "$.petal_length", "$.petal_width","$.category"})).select("CAST(sepal_length AS DOUBLE) AS sepal_length, "+ "CAST(sepal_width AS DOUBLE) AS sepal_width, "+ "CAST(petal_length AS DOUBLE) AS petal_length, "+ "CAST(petal_width AS DOUBLE) AS petal_width, category");
执行新的代码，关于结果数据的 Schema 打印为：
root|-- sepal_length: DOUBLE|-- sepal_width: DOUBLE|-- petal_length: DOUBLE|-- petal_width: DOUBLE|-- category: STRING
每列数据都转化为相应的类型。具体数据打印结果如下，略去中间的大部分数据。
sepal_length|sepal_width|petal_length|petal_width|category
------------|-----------|------------|-----------|--------
4.8000|3.4000|1.6000|0.2000|Iris-setosa
5.2000|4.1000|1.5000|0.1000|Iris-setosa
6.5000|2.8000|4.6000|1.5000|Iris-versicolor
6.1000|3.0000|4.9000|1.8000|Iris-virginica
7.3000|2.9000|6.3000|1.8000|Iris-virginica
......
5.2000|2.7000|3.9000|1.4000|Iris-versicolor
6.4000|2.7000|5.3000|1.9000|Iris-virginica
6.8000|3.0000|5.5000|2.1000|Iris-virginica
5.7000|2.5000|5.0000|2.0000|Iris-virginica
6.1000|2.8000|4.0000|1.3000|Iris-versicolor
可以看出，配合使用的相关组件，可以完整地从 Kafka 上读取、写入数据。后面，可通过 Alink 的各算法组件进行深入计算。
以上。Alink 是基于 Flink 的机器学习算法平台，欢迎访问 Alink 的 GitHub 链接获取更多信息。也欢迎加入 Alink 开源用户群进行交流～
Alink GitHub 链接：
https://github.com/alibaba/Alink
▼ 钉钉扫码加入 Alink 技术交流群 ▼