flink sql confluent schema avro topic注册成表

[陈帅]

flink sql是否能够支持将confluent schema registry注册的一个avro数据格式 的topic注册成一张table?

[猫猫]

env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);

使用kafka进行消费，直接设置Watermark和经过flatMap()以后再设置，会产生什么样的区别和影响。
flatMap可能会将数据处理为1-N条。那么在这种情况下，还能够保证kafka的精确一次吗？

[朱广彬]

Hi 陈帅，

目前社区确实不支持confluent schema registry的avro格式，我们内部也是依赖schema registry来做avro
schema的管理，所以，我们改动了flink-avro 的源码来支持。

主要涉及到这些地方：
org.apache.flink.formats.avro.{AvroRowFormatFactory,AvroRowDeserializationSchema,AvroRowSerializationSchema}
和org.apache.flink.table.descriptors.{Avro,AvroValidator}

使用时在构建Avro时指定以下三个参数即可（见标红部分）：

tableEnv.connect(
new Kafka()
.version("universal")
.topic(topic)
.properties(props)
).withFormat(
new Avro()
  .useRegistry(true)
  .registryUrl(KAFKA_SCHEMA_REGISTRY_URL_ADDRESS)
  .registrySubject(subject)
  .avroSchema(avroSchemaStr)
)


陈帅 <[hidden email]> 于2019年12月18日周三 上午8:26写道：
>
> flink sql是否能够支持将confluent schema registry注册的一个avro数据格式 的topic注册成一张table?

[LakeShen]

flatmap 逻辑中，你是否对消息记录的时间处理了吗，watermark 的更新的逻辑是比前一次 watermark 的时间截要大同时非空。

猫猫 <[hidden email]> 于2019年12月18日周三 上午9:27写道：

> env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
>
> env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);
>
> 使用kafka进行消费，直接设置Watermark和经过flatMap()以后再设置，会产生什么样的区别和影响。
> flatMap可能会将数据处理为1-N条。那么在这种情况下，还能够保证kafka的精确一次吗？

[猫猫]

可能是我说的不太明确，我理解事件时间在整个流系统下只有一个。

但是读kafka时，我无法直接拿到业务数据中的event-time。因为数据可能会被拆分为多条。
我只能当做字符串取出，并设置事件时间为kafka的时间。

在进行一次消息转换后，才能获取到数据中的时间。所以我需要在flatmap以后才能正确的设置event-time
但我又需要kafka的精确一次特性。

所以问题转变为如下的问题，我能在流中重设eventTime吗？但对最初的流（kafka提交）不影响。

所以也就是之前提到的问题。

 env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
 env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);

更进一步，我能向下图一样，在不同的流过程中，设置不同的eventTime吗？并且他们能够实现整体提交。

------------------ 原始邮件 ------------------

发件人: "LakeShen"<[hidden email]>;

发送时间: 2019年12月18日(星期三) 下午2:10

收件人: "user-zh"<[hidden email]>;

主题: Re: 关于直接设置Watermark和flatmap后再设置的疑问

flatmap 逻辑中，你是否对消息记录的时间处理了吗，watermark 的更新的逻辑是比前一次 watermark 的时间截要大同时非空。

猫猫 <[hidden email]> 于2019年12月18日周三 上午9:27写道：

> env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
>
> env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);
>
> 使用kafka进行消费，直接设置Watermark和经过flatMap()以后再设置，会产生什么样的区别和影响。
> flatMap可能会将数据处理为1-N条。那么在这种情况下，还能够保证kafka的精确一次吗？

[猫猫]

图片不能粘贴，放到github上面了。
https://github.com/maobuji/Blog/blob/master/image/changeEventTime.jpg




------------------&nbsp;原始邮件&nbsp;------------------
发件人:&nbsp;"猫猫"<[hidden email]&gt;;
发送时间:&nbsp;2019年12月18日(星期三) 下午4:03
收件人:&nbsp;"user-zh"<[hidden email]&gt;;

主题:&nbsp;回复： 关于直接设置Watermark和flatmap后再设置的疑问



可能是我说的不太明确，我理解事件时间在整个流系统下只有一个。
但是读kafka时，我无法直接拿到业务数据中的event-time。因为数据可能会被拆分为多条。
我只能当做字符串取出，并设置事件时间为kafka的时间。


在进行一次消息转换后，才能获取到数据中的时间。所以我需要在flatmap以后才能正确的设置event-time
但我又需要kafka的精确一次特性。

所以问题转变为如下的问题，我能在流中重设eventTime吗？但对最初的流（kafka提交）不影响。
所以也就是之前提到的问题。
&nbsp;env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
&nbsp;env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);


更进一步，我能向下图一样，在不同的流过程中，设置不同的eventTime吗？并且他们能够实现整体提交。





------------------ 原始邮件 ------------------
发件人:&nbsp;"LakeShen"<[hidden email]&gt;;
发送时间:&nbsp;2019年12月18日(星期三) 下午2:10
收件人:&nbsp;"user-zh"<[hidden email]&gt;;

主题:&nbsp;Re: 关于直接设置Watermark和flatmap后再设置的疑问



flatmap 逻辑中，你是否对消息记录的时间处理了吗，watermark 的更新的逻辑是比前一次 watermark 的时间截要大同时非空。

猫猫 <[hidden email]&gt; 于2019年12月18日周三 上午9:27写道：

&gt; env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
&gt;
&gt; env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);
&gt;
&gt; 使用kafka进行消费，直接设置Watermark和经过flatMap()以后再设置，会产生什么样的区别和影响。
&gt; flatMap可能会将数据处理为1-N条。那么在这种情况下，还能够保证kafka的精确一次吗？

[Dino Zhang]

kafka的exactly once是通过checkpoint机制保存消费位点来保证的，和event time没关系。在进入时间窗口前提取event
time和设定watermark即可。

On Wed, Dec 18, 2019 at 4:12 PM 猫猫 <[hidden email]> wrote:

> 图片不能粘贴，放到github上面了。
> https://github.com/maobuji/Blog/blob/master/image/changeEventTime.jpg
>
>
>
>
> ------------------&nbsp;原始邮件&nbsp;------------------
> 发件人:&nbsp;"猫猫"<[hidden email]&gt;;
> 发送时间:&nbsp;2019年12月18日(星期三) 下午4:03
> 收件人:&nbsp;"user-zh"<[hidden email]&gt;;
>
> 主题:&nbsp;回复： 关于直接设置Watermark和flatmap后再设置的疑问
>
>
>
> 可能是我说的不太明确，我理解事件时间在整个流系统下只有一个。
> 但是读kafka时，我无法直接拿到业务数据中的event-time。因为数据可能会被拆分为多条。
> 我只能当做字符串取出，并设置事件时间为kafka的时间。
>
>
> 在进行一次消息转换后，才能获取到数据中的时间。所以我需要在flatmap以后才能正确的设置event-time
> 但我又需要kafka的精确一次特性。
>
> 所以问题转变为如下的问题，我能在流中重设eventTime吗？但对最初的流（kafka提交）不影响。
> 所以也就是之前提到的问题。
> &nbsp;env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
>
> &nbsp;env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);
>
>
> 更进一步，我能向下图一样，在不同的流过程中，设置不同的eventTime吗？并且他们能够实现整体提交。
>
>
>
>
>
> ------------------ 原始邮件 ------------------
> 发件人:&nbsp;"LakeShen"<[hidden email]&gt;;
> 发送时间:&nbsp;2019年12月18日(星期三) 下午2:10
> 收件人:&nbsp;"user-zh"<[hidden email]&gt;;
>
> 主题:&nbsp;Re: 关于直接设置Watermark和flatmap后再设置的疑问
>
>
>
> flatmap 逻辑中，你是否对消息记录的时间处理了吗，watermark 的更新的逻辑是比前一次 watermark 的时间截要大同时非空。
>
> 猫猫 <[hidden email]&gt; 于2019年12月18日周三 上午9:27写道：
>
> &gt; env.addSource(flinkKafkaConsumer).assignTimestampsAndWatermarks(...)
> &gt;
> &gt;
> env.addSource(flinkKafkaConsumer).flatMap(...).assignTimestampsAndWatermarks(...);
> &gt;
> &gt; 使用kafka进行消费，直接设置Watermark和经过flatMap()以后再设置，会产生什么样的区别和影响。
> &gt; flatMap可能会将数据处理为1-N条。那么在这种情况下，还能够保证kafka的精确一次吗？

--
Regards,
DinoZhang

[陈帅]

谢谢回复，有了schema registry url为何还需要填subject和avroSchemaStr呢？

朱广彬 <[hidden email]> 于2019年12月18日周三 上午10:30写道：

> Hi 陈帅，
>
> 目前社区确实不支持confluent schema registry的avro格式，我们内部也是依赖schema registry来做avro
> schema的管理，所以，我们改动了flink-avro 的源码来支持。
>
> 主要涉及到这些地方：
>
> org.apache.flink.formats.avro.{AvroRowFormatFactory,AvroRowDeserializationSchema,AvroRowSerializationSchema}
> 和org.apache.flink.table.descriptors.{Avro,AvroValidator}
>
> 使用时在构建Avro时指定以下三个参数即可（见标红部分）：
>
> tableEnv.connect(
> new Kafka()
> .version("universal")
> .topic(topic)
> .properties(props)
> ).withFormat(
> new Avro()
>   .useRegistry(true)
>   .registryUrl(KAFKA_SCHEMA_REGISTRY_URL_ADDRESS)
>   .registrySubject(subject)
>   .avroSchema(avroSchemaStr)
> )
>
>
> 陈帅 <[hidden email]> 于2019年12月18日周三 上午8:26写道：
> >
> > flink sql是否能够支持将confluent schema registry注册的一个avro数据格式 的topic注册成一张table?
>

[Bowen Li]

Hi 陈帅,

这是一个非常合理的需求。我们需要开发一个 Flink ConfluentSchemaRegistryCatalog
完成元数据的获取。社区希望的用户体验是用户只需要给出confluent schema registry的链接，Flink SQL可以通过
ConfluentSchemaRegistryCatalog自动获取读写所需的信息，不再需要用户手动写DDL和format。

社区内部已经开始讨论了，我们应该会在1.11中完成，请关注
https://issues.apache.org/jira/browse/FLINK-12256


On Wed, Dec 18, 2019 at 6:46 AM 陈帅 <[hidden email]> wrote:

> 谢谢回复，有了schema registry url为何还需要填subject和avroSchemaStr呢？
>
> 朱广彬 <[hidden email]> 于2019年12月18日周三 上午10:30写道：
>
> > Hi 陈帅，
> >
> > 目前社区确实不支持confluent schema registry的avro格式，我们内部也是依赖schema registry来做avro
> > schema的管理，所以，我们改动了flink-avro 的源码来支持。
> >
> > 主要涉及到这些地方：
> >
> >
> org.apache.flink.formats.avro.{AvroRowFormatFactory,AvroRowDeserializationSchema,AvroRowSerializationSchema}
> > 和org.apache.flink.table.descriptors.{Avro,AvroValidator}
> >
> > 使用时在构建Avro时指定以下三个参数即可（见标红部分）：
> >
> > tableEnv.connect(
> > new Kafka()
> > .version("universal")
> > .topic(topic)
> > .properties(props)
> > ).withFormat(
> > new Avro()
> >   .useRegistry(true)
> >   .registryUrl(KAFKA_SCHEMA_REGISTRY_URL_ADDRESS)
> >   .registrySubject(subject)
> >   .avroSchema(avroSchemaStr)
> > )
> >
> >
> > 陈帅 <[hidden email]> 于2019年12月18日周三 上午8:26写道：
> > >
> > > flink sql是否能够支持将confluent schema registry注册的一个avro数据格式
> 的topic注册成一张table?
> >
>