朋友多年自主研发的flink-sql 流计算可视化 UI 平台，细细品味一番确实很好用，做到真正的MSP（混合云场景）多数据多复用的情况实现，下面是这个产品的使用说明看看大家有没有使用场景。
一、简介
flink-streaming-platform-web系统是基于flink封装的一个可视化的web系统，用户只需在web界面进行sql配置就能完成流计算任务，
主要功能包含任务配置、启/停任务、告警、日志等功能。目的是减少开发，完全实现flink-sql 流计算任务
支持本地模式、yarn-per模式、STANDALONE模式
支持udf、自定义连接器等,完全兼容官方连接器
目前flink版本已经升级到1.12
源码地址 https://github.com/zhp8341/flink-streaming-platform-web
效果图
本文demo/文档更新不及时,请移步github https://github.com/zhp8341/flink-streaming-platform-web
二、环境以及安装
1、环境
操作系统：linux
hadoop版本 2
flink 版本 1.11.1 官方地址: https://ci.apache.org/projects/flink/flink-docs-release-1.11/
jdk版本 jdk1.8
scala版本 2.11
kafka版本 1.0
mysql版本 5.6
2、应用安装
1、flink客户端安装
下载对应版本
https://archive.apache.org/dist/flink/flink-1.11.1/flink-1.11.1-bin-scala_2.11.tgz 然后解压
a: /flink-1.11.1/conf
1、YARN_PER模式
文件下面放入hadoop客户端配置文件
core-site.xml
yarn-site.xml
hdfs-site.xml
2、LOCAL模式
无
3、STANDALONE模式
无
以上三种模式都需要修改 flink-conf.yaml 开启 classloader.resolve-order 并且设置 classloader.resolve-order: parent-first
b: /flink-1.11.1/lib hadoop集成
代码语言：javascript复制下载 flink-shaded-hadoop-2-uber-${xxx}.jar 到lib
地址 https://repo.maven.apache.org/maven2/org/apache/flink/flink-shaded-hadoop-2-uber/2.7.5-10.0/flink-shaded-hadoop-2-uber-2.7.5-10.0.jar
完毕后执行 export HADOOP_CLASSPATH=`hadoop classpath`
2、flink-streaming-platform-web安装
技术选型 springboot2.2.8.RELEASE
a:下载最新版本 并且解压 https://github.com/zhp8341/flink-streaming-platform-web/releases/
代码语言：javascript复制 tar -xvf flink-streaming-platform-web.tar.gzb:执行mysql语句
mysql 版本5.6 以上 创建数据库 数据库名：flink_web 执行表语句 语句地址 https://github.com/zhp8341/flink-streaming-platform-web/blob/master/docs/sql/flink_web.sql
c:修改数据库连接配置
代码语言：javascript复制/flink-streaming-platform-web/conf/application.properties改成上面建好的mysql地址d:启动web
代码语言：javascript复制cd /XXXX/flink-streaming-platform-web/bin启动 : sh deploy.sh start停止 : sh deploy.sh stop日志目录地址：/XXXX/flink-streaming-platform-web/logs/e:登录
代码语言：javascript复制http://${ip或者hostname}:9084/ 如: http://hadoop003:9084/登录号：admin 密码 123456f:集群
如果需要集群部署模式 简单参考图
三、功能介绍
1、新增任务配置说明
a: 任务名称（*必选）
任务名称不能超过50个字符 并且 任务名称仅能含数字,字母和下划线1
b: 运行模式
YARN_PER( yarn独立模式 https://ci.apache.org/projects/flink/flink-docs-release-1.11/zh/ops/deployment/yarn_setup.html#run-a-single-flink-job-on-yarn)
STANDALONE（独立集群 https://ci.apache.org/projects/flink/flink-docs-release-1.11/zh/ops/deployment/cluster_setup.html）
LOCAL(本地集群 https://ci.apache.org/projects/flink/flink-docs-release-1.11/zh/ops/deployment/local.html )
LOCAL 需要在本地单机启动flink 服务 ./bin/start-cluster.sh
c: flink运行配置
1、YARN_PER模式
参数（和官方保持一致）但是只支持 -p -yjm -yn -ytm -ys -yqu(必选) -ys slot个数。 -yn task manager 数量。 -yjm job manager 的堆内存大小。 -ytm task manager 的堆内存大小。 -yqu yarn队列明 -p 并行度 详见官方文档如：-yqu flink -yjm 1024m -ytm 2048m -p 1 -ys 1
2、LOCAL模式
无需配置1
3、STANDALONE模式
代码语言：javascript复制-d,--detached If present, runs the job in detached mode-p,--parallelism <parallelism> The parallelism with which to run the program. Optional flag to override the default value specified in the configuration.-s,--fromSavepoint <savepointPath> Path to a savepoint to restore the job from (for example hdfs:///flink/savepoint-1537).其他运行参数可通过 flink -h查看d: Checkpoint信息
代码语言：javascript复制不填默认不开启checkpoint机制 参数只支持-checkpointInterval-checkpointingMode-checkpointTimeout-checkpointDir-tolerableCheckpointFailureNumber-asynchronousSnapshots如：-asynchronousSnapshots true -checkpointDir hdfs://hcluster/flink/checkpoints/(注意目前权限)参数值说明
e: udf地址
udf地址 只支持http并且填写一个 如：http://xxx.xxx.com/flink-streaming-udf.jar 地址填写后 可以在sql语句里面直接写 CREATE FUNCTION jsonHasKey as ascom.yt.udf.JsonHasKeyUDF;
udf 开发demo 详见 https://github.com/zhp8341/flink-streaming-udf
2、系统设置
系统设置有三个必选项
1、flink-streaming-platform-web应用安装的目录（必选） 这个是应用的安装目录 如 /root/flink-streaming-platform-web/ 2、flink安装目录（必选） --flink客户端的目录 如：/usr/local/flink-1.11.1/
3、yarn的rm Http地址 --hadoop yarn的rm Http地址 http://hadoop003:8088/
4、flink_rest_http_address LOCAL模式使用 flink http的地址
5、flink_rest_ha_http_address STANDALONE模式 支持HA的 可以填写多个地址 ;用分隔
3、报警设置
报警设置用于: 当运行的任务挂掉的时候会告警 资料：钉钉报警设置官方文档：https://help.aliyun.com/knowledge_detail/106247.html
安全设置 关键词必须填写： 告警
效果图
三、配置demo
demo1 单流kafka写入mysqld 参考
demo2 双流kafka写入mysql 参考
demo3 kafka和mysql维表实时关联写入mysql 参考
demo4 滚动窗口
demo5 滑动窗口
代码语言：javascript复制创建函数 UTC2Local AS 'com.streaming.flink.udf.UTC2Local';
创建表 source_table (
f0 整数，
f1 整数，
f2 字符串，
过程时间作为过程时间（）
） 和 （
'连接器' = '数据生成',
'每秒行数'='5',
'fields.f_sequence.kind'='sequence',
'fields.f_sequence.start'='1',
'fields.f_sequence.end'='1000',
'fields.f_random.min'='1',
'fields.f_random.max'='1000',
'fields.f_random_str.length'='10'
);
创建表 print_table (
f0 整数，
f1 整数，
f2 字符串，
t2 时间戳（6），
t1 时间戳(6)
） 和 （
'连接器' = '打印'
);
插入 print_table 选择 f0,f1,f2, proctime as t2, UTC2Local(proctime) as t1 from source创建函数 jsonHasKey 作为 com.xx.udf.JsonHasKeyUDF;
-- 如果使用udf 函数必须配置udf地址
创建表 flink_test_6 (
标识 BIGINT，
day_time VARCHAR，
数量 BIGINT，
过程时间作为过程时间（）
)
和 （
'connector.properties.zookeeper.connect'='hadoop001:2181',
'connector.version'='通用',
'connector.topic'='flink_test_6',
'connector.startup-mode'='earliest-offset',
'format.derive-schema'='true',
'connector.type'='kafka',
'更新模式'='追加'，
'connector.properties.bootstrap.servers'='hadoop003:9092',
'connector.properties.group.id'='flink_gp_test1',
'格式.type'='json'
);
创建表 flink_test_6_dim (
标识 BIGINT，
优惠券_amnount BIGINT
)
和 （
'connector.type' = 'jdbc',
'connector.url' = 'jdbc:mysql://127.0.0.1:3306/flink_web?characterEncoding=UTF-8',
'connector.table' = 'test_dim',
'connector.username' = 'flink_web_test',
'connector.password' = 'flink_web_test_123',
'connector.lookup.max-retries' = '3'
);
创建表 sync_test_3 (
day_time 字符串，
total_gmv 大整数
） 和 （
'connector.type' = 'jdbc',
'connector.url' = 'jdbc:mysql://127.0.0.1:3306/flink_web?characterEncoding=UTF-8',
'connector.table' = 'sync_test_3',
'connector.username' = 'flink_web_test',
'connector.password' = 'flink_web_test_123'
);
插入到 sync_test_3
选择
白天，
SUM(amnount - coupon_amnount) 作为 total_gmv
从
(
选择
a.day_time 作为 day_time，
a.amnount 作为 amnount，
b.coupon_amnount 作为 coupon_amnount
从
flink_test_6 作为
左连接 flink_test_6_dim FOR SYSTEM_TIME AS OF a.proctime as b
ON b.id = a.id
)
按天时间分组；四、支持flink sql官方语法
完全按照flink1.11.1的连接器相关的配置
详见
http://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/table/connect.html
五、其他
1、由于hadoop集群环境不一样可能导致部署出现困难,整个搭建比较耗时.
2、由于es 、hbase等版本不一样可能需要下载源码重新选择对应版本 源码地址 https://github.com/zhp8341/flink-streaming-platform-web
六、问题
1、
Setting HADOOP_CONF_DIR=/etc/hadoop/conf because no HADOOP_CONF_DIR was set.
代码语言：javascript复制设置 HADOOP_CONF_DIR=/etc/hadoop/conf 因为没有设置 HADOOP_CONF_DIR。
无法从 JAR 文件构建程序。
使用帮助选项（-h 或 --help）获取有关命令的帮助。
解决办法
导出 HADOOP_HOME=/etc/hadoop
导出 HADOOP_CONF_DIR=/etc/hadoop/conf
导出 HADOOP_CLASSPATH=`hadoop 类路径`
源 /etc/profile
最好的配置变量
2020-10-09 14:48:22,060 ERROR com.flink.streaming.core.JobApplication - 任务执行失败：
java.lang.IllegalStateException：无法实例化 java 编译器
在 org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.compile(JaninoRelMetadataProvider.java:434)
在 org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.load3(JaninoRelMetadataProvider.java:375)
在 org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.lambda$static$0(JaninoRelMetadataProvider.java:109)
在 org.apache.flink.calcite.shaded.com.google.common.cache.CacheLoader$FunctionToCacheLoader.load(CacheLoader.java:149)
在 org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$LoadingValueReference.loadFuture(LocalCache.java:3542)
在 org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$Segment.loadSync(LocalCache.java:2323)
在 org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$Segment.lockedGetOrLoad(LocalCache.java:2286)
在 org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$Segment.get(LocalCache.java:2201)
在 org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache.get(LocalCache.java:3953)
在 org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache.getOrLoad(LocalCache.java:3957)
在 org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$LocalLoadingCache.get(LocalCache.java:4875)
在 org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.create(JaninoRelMetadataProvider.java:475)
在 org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.revise(JaninoRelMetadataProvider.java:488)
在 org.apache.calcite.rel.metadata.RelMetadataQuery.revise(RelMetadataQuery.java:193)
在 org.apache.calcite.rel.metadata.RelMetadataQuery.getPulledUpPredicates(RelMetadataQuery.java:797)
在 org.apache.calcite.rel.rules.ReduceExpressionsRule$ProjectReduceExpressionsRule.onMatch(ReduceExpressionsRule.java:298)
在 org.apache.calcite.plan.AbstractRelOptPlanner.fireRule(AbstractRelOptPlanner.java:319)
在 org.apache.calcite.plan.hep.HepPlanner.applyRule（HepPlanner.java:560）
在 org.apache.calcite.plan.hep.HepPlanner.applyRules(HepPlanner.java:419)
在 org.apache.calcite.plan.hep.HepPlanner.executeInstruction（HepPlanner.java:256）
在 org.apache.calcite.plan.hep.HepInstruction$RuleInstance.execute（HepInstruction.java:127）
在 org.apache.calcite.plan.hep.HepPlanner.executeProgram（HepPlanner.java:215）
在 org.apache.calcite.plan.hep.HepPlanner.findBestExp(HepPlanner.java:202)
在 org.apache.flink.table.planner.plan.optimize.program.FlinkHepProgram.optimize(FlinkHepProgram.scala:69)
在 org.apache.flink.table.planner.plan.optimize.program.FlinkHepRuleSetProgram.optimize(FlinkHepRuleSetProgram.scala:87)
在 org.apache.flink.table.planner.plan.optimize.program.FlinkChainedProgram$$anonfun$optimize$1.apply(FlinkChainedProgram.scala:62)
在 org.apache.flink.table.planner.plan.optimize.program.FlinkChainedProgram$$anonfun$optimize$1.apply(FlinkChainedProgram.scala:58)
在 scala.collection.TraversableOnce$$anonfun$foldLeft$1.apply(TraversableOnce.scala:157)
在 scala.collection.TraversableOnce$$anonfun$foldLeft$1.apply(TraversableOnce.scala:157)
在 scala.collection.Iterator$class.foreach(Iterator.scala:891)
在 scala.collection.AbstractIterator.foreach(Iterator.scala:1334)
在 scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
在 scala.collection.AbstractIterable.foreach(Iterable.scala:54)
在 scala.collection.TraversableOnce$class.foldLeft(TraversableOnce.scala:157)
在 scala.collection.AbstractTraversable.foldLeft(Traversable.scala:104)
在 org.apache.flink.table.planner.plan.optimize.program.FlinkChainedProgram.optimize(FlinkChainedProgram.scala:57)
在 org.apache.flink.table.planner.plan.optimize.StreamCommonSubGraphBasedOptimizer.optimizeTree(StreamCommonSubGraphBasedOptimizer.scala:170)
在 org.apache.flink.table.planner.plan.optimize.StreamCommonSubGraphBasedOptimizer.doOptimize(StreamCommonSubGraphBasedOptimizer.scala:90)
在 org.apache.flink.table.planner.plan.optimize.CommonSubGraphBasedOptimizer.optimize(CommonSubGraphBasedOptimizer.scala:77)
在 org.apache.flink.table.planner.delegation.PlannerBase.optimize(PlannerBase.scala:248)
在 org.apache.flink.table.planner.delegation.PlannerBase.translate(PlannerBase.scala:151)
在 org.apache.flink.table.api.internal.TableEnvironmentImpl.translate(TableEnvironmentImpl.java:682)
在 org.apache.flink.table.api.internal.TableEnvironmentImpl.sqlUpdate(TableEnvironmentImpl.java:495)
在 com.flink.streaming.core.JobApplication.callDml(JobApplication.java:138)
在 com.flink.streaming.core.JobApplication.main(JobApplication.java:85)
在 sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
在 sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
在 sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
在 java.lang.reflect.Method.invoke(Method.java:498)
在 org.apache.flink.client.program.PackagedProgram.callMainMethod(PackagedProgram.java:321)
在 org.apache.flink.client.program.PackagedProgram.invokeInteractiveModeForExecution(PackagedProgram.java:205)
在 org.apache.flink.client.ClientUtils.executeProgram(ClientUtils.java:138)
在 org.apache.flink.client.cli.CliFrontend.executeProgram(CliFrontend.java:664)
在 org.apache.flink.client.cli.CliFrontend.run(CliFrontend.java:213)
在 org.apache.flink.client.cli.CliFrontend.parseParameters(CliFrontend.java:895)
在 org.apache.flink.client.cli.CliFrontend.lambda$main$10(CliFrontend.java:968)
在 java.security.AccessController.doPrivileged（本机方法）
在 javax.security.auth.Subject.doAs(Subject.java:422)
在 org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1754)
在 org.apache.flink.runtime.security.HadoopSecurityContext.runSecured(HadoopSecurityContext.java:41)
在 org.apache.flink.client.cli.CliFrontend.main(CliFrontend.java:968)
引起：java.lang.ClassCastException：org.codehaus.janino.CompilerFactory 不能转换为 org.codehaus.commons.compiler.ICompilerFactory
在 org.codehaus.commons.compiler.CompilerFactoryFactory.getCompilerFactory(CompilerFactoryFactory.java:129)
在 org.codehaus.commons.compiler.CompilerFactoryFactory.getDefaultCompilerFactory(CompilerFactoryFactory.java:79)
在 org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.compile(JaninoRelMetadataProvider.java:432)
... 60 更多主要日志目录
1、web系统日志
/{安装目录}/flink-streaming-platform-web/logs/
2 、flink客户端命令
FLINKHOME/log/flink−{FLINK_HOME}/log/flink-FLINKHOME/log/flink−{USER}-client-.log
七、RoadMap
1、支持除官方以外的连接器
2、 支持Flink Session模式
八、生活
赠送泸沽湖早上的风景--必去一种圣地
工作再累也要注意身体，时代鼓舞勇者 作为平凡的人生 也要劳逸结合。我们都是文明人，都知道加班无可避免。但愿大家（老板）对加班很大宽容程度[流泪][流泪][流泪][流泪]年轻的时候想着去旅游去玩耍 现实造就我们种种原因 兄弟们大胆冲啊 此时此刻 非去不可 此时不去 更待何时 加油吧 奥利给
