业务：首先使用flink从kafka中获取消息，这个消息对应着一个关于直播间的具体信息，当然过来的是一个JSON；之后对数据进行流式处理，存入clickhouse；最后通过kafka将数据更新的情况传递给下游服务。

main方法：流式处理直接用main启动，自己就跟那儿跑，但是遇到报错会停止；并行度这块儿可以按需设置；execute方法必须执行，不写运行不了。

public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        LiveRecordsApp liveRecordsApp = new LiveRecordsApp();
        liveRecordsApp.liveRecordsAppKafkaSource(env);
        env.execute("LiveRecordsApp");
    }

以下所有代码都在此方法中包裹

private void liveRecordsAppKafkaSource(StreamExecutionEnvironment env)throws Exception  {
}

通过flink拉取kafka消息，可以设置所有kafka消费者所需参数

 KafkaSource<String> source = KafkaSource.<String>builder()
                .setBootstrapServers("localhost:9092")
                .setTopics("topic")
                .setGroupId("groupId")
                .setStartingOffsets(OffsetsInitializer.latest())
                .setValueOnlyDeserializer(new SimpleStringSchema())
                .build();
 DataStreamSource<String> dataStreamSource =
                env.fromSource(source, WatermarkStrategy.noWatermarks(), "Kafka Source 4u");

对数据进行转换处理，flink里面的map等算子完全照搬JDK8的lambda表达式，大同小异；

另外这块儿必须要将insertDB放置于自定义的RickFunction.class中，如果暴露在外用addSInk虽然节省一层封装，但是无法保证顺序。

 SingleOutputStreamOperator<LiveRecords> liveLogsSingleOutputStreamOperator = dataStreamSource.map(new MapFunction<String, LiveRecords>() {
            @Override
            public LiveRecords map(String jsonStr) throws Exception {
                JSONObject jsonObject = JSONObject.parseObject(jsonStr);
                DateUtils.takeNetTime4J(jsonObject,"StartTime");
                DateUtils.takeNetTime4J(jsonObject,"EndTime");
                String s = JSONObject.toJSONString(jsonObject);
                LiveRecords liveRecords = JSONObject.parseObject(s,LiveRecords.class);
                return liveRecords;
            }
        });
        liveLogsSingleOutputStreamOperator.print();

        liveLogsSingleOutputStreamOperator.addSink(new SinkToInsertLiveRecord());

insertDB

public class SinkToInsertLiveRecord extends RichSinkFunction<LiveRecords> {
    Connection connection;
    //PreparedStatement 是执行sql语句的API 
    PreparedStatement pstmt;
    //获取数据库连接信息
    private Connection getConnection(){
        Connection conn = null;
        try{
            Class.forName("ru.yandex.clickhouse.ClickHouseDriver");//将clickhouse驱动注册到DriverManager中去

            String url = "jdbc:clickhouse://localhost:2138/db1";//数据库路径

            conn = DriverManager.getConnection(url,"username","passward");//数据库连接信息

        }catch (Exception e){
            e.printStackTrace();
        }
        return  conn;
    }
    /**
     * 在open方法中建立connection
     * @param parameters
     * @throws Exception
     */
    @Override
    public void open(Configuration parameters) throws Exception {
        super.open(parameters);

        connection = getConnection();
        String sql = "insert into test_user values (?,?,?,?,?)";
        pstmt = connection.prepareStatement(sql);
    }

    //每条记录插入时调用一次
    @Override
    public void invoke(LiveRecords x, Context context) throws Exception {
        SimpleDateFormat sdf  = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        pstmt.setString(1, x.getUrl());
        pstmt.setInt(2, x.getSync() == null ? 0 : x.getSync());
        pstmt.setString(3, sdf.format(x.getStartTime()));
        pstmt.setString(4, sdf.format(x.getEndTime()));
        pstmt.setLong(5, x.getFileSize() == null ? 0 : x.getFileSize());

        pstmt.executeUpdate();
    }

    /**
     * 在close方法中要释放资源
     * @throws Exception
     */
    @Override
    public void close() throws Exception {
        super.close();

        if(pstmt != null){
            pstmt.close();
        }

        if (connection != null){
            connection.close();
        }
    }


}

此时数据已经成功插入，咱们可以开始简单处理一下流数据 拿出需要传递给下游的数据传入kafka中，这个时候我们的身份是生产者。

 SingleOutputStreamOperator<String> map = liveLogsSingleOutputStreamOperator.map(new MapFunction<LiveRecords, String>() {
            @Override
            public String map(LiveRecords liveRecords) throws Exception {
                return liveRecords.getLiveChannelId();
            }
        });
        //Properties类用于设置配置文件中的参数
        Properties properties = new Properties();

        //调用setProperty方法将设置的参数保存到配置文件中
        //这里是设置了kafka的bootstrap.servers参数，为启动kafka的主机ip和端口
        properties.setProperty("bootstrap.servers", "localhost:9092");

        //创建生产者producer，指定消息要发送到的topic以及添加上面的properties
        FlinkKafkaProducer08<String> producer = new FlinkKafkaProducer08<>("topic",new SimpleStringSchema(),properties);

        //自定义的接收器，接收producer产生的消息
        map.addSink(producer);

以下为addSlink写法（还没写入直接就通过kafka发出去了）

//        liveLogsSingleOutputStreamOperator.addSink(
//                JdbcSink.sink(
//                        "insert into live_records values (?,?,?,?," +
//                                "?,?,?,?,?," +
//                                "?,?,?,?,?)",
//                        (pstmt, x) -> {
//                            pstmt.setString(1, x.getUrl());
//                            pstmt.setInt(2, x.getSync() == null ? 0 : x.getSync());
//                            pstmt.setString(3, sdf.format(x.getStartTime()));
//                            pstmt.setString(4, sdf.format(x.getEndTime()));
//                            pstmt.setLong(5, x.getFileSize() == null ? 0 : x.getFileSize());
//                            pstmt.setInt(6, x.getDuration() == null ? 0 : x.getDuration());
//
//                            pstmt.setInt(7, x.getBitRate() == null ? 0 : x.getBitRate());
//                            pstmt.setString(8, x.getResolution());
//                            pstmt.setString(9, x.getChannelSessionId());
//                            pstmt.setString(10, x.getFileName());
//                            pstmt.setString(11, x.getName());
//                            pstmt.setString(12, x.getLiveId());
//
//                            pstmt.setString(13, x.getLiveChannelId());
//                            pstmt.setString(14, x.getId());
//
//                        },
//                        JdbcExecutionOptions.builder().withBatchSize(50).withBatchIntervalMs(4000).build(),
//                        new JdbcConnectionOptions.JdbcConnectionOptionsBuilder()
//                                .withUrl("jdbc:clickhouse://202.205.160.224:50172/test")
//                                .withDriverName("ru.yandex.clickhouse.ClickHouseDriver")
//                                .build()
//                )
//        );

flink使用kafka以及DB时，暂不能结合其他框架的方式，我认为原因跟流式数据有关，不能按常理处置；再者说，flink中数据不能结合mybatis/plus等ORM框架，只能在RichFunction中使用伪集成mybatis并不灵活。

当然，flink中使用kafka，也可以设置多个bootstrap.servers/多个topics

如有不足，欢迎同行者指点迷津！