Doris Routine Load正则表达实战

1. Kafka安装

#1.下载安装包
wget https://dlcdn.apache.org/kafka/3.2.0/kafka_2.13-3.2.0.tgz
#2. 解析安装包
$ tar -xzf kafka_2.13-3.2.0.tgz
$ cd kafka_2.13-3.2.0
#3. 启动zookeeper
$ nohup bin/zookeeper-server-start.sh config/zookeeper.properties &
#4. 启动kafka
$ nohup bin/kafka-server-start.sh config/server.properties  &
#5. 创建topic
$ bin/kafka-topics.sh --create --topic test --bootstrap-server localhost:9092

2. Doirs库、表、Routine Load任务创建

# 创建数据库
create database kafka_doris;
#切换数据库
use kafka_doris;
#创建clicklog表
CREATE TABLE IF NOT EXISTS kafka_doris.clicklog
(
`clickTime` DATETIME NOT NULL COMMENT "点击时间",
`type` VARCHAR(20) NOT NULL COMMENT "点击类型",
`id`  VARCHAR(100) COMMENT "唯一id",
`user` VARCHAR(100) COMMENT "用户名称",
`city` VARCHAR(50) COMMENT "所在城市"
)
DUPLICATE KEY(`clickTime`, `type`)
DISTRIBUTED BY HASH(`type`) BUCKETS 1
PROPERTIES (
"replication_allocation" = "tag.location.default: 1"
);

创建有正则表达式的Routine Load任务：

CREATE ROUTINE LOAD kafka_doris.load_from_kafka ON clicklog
COLUMNS(clickTime,id,type,user=regexp_extract(type, '([[:lower:]]+)C([[:lower:]]+)', 2))
PROPERTIES
("desired_concurrent_number"="1","max_batch_interval" = "5","max_batch_rows" = "300000","max_batch_size" = "209715200","strict_mode" = "false","format" = "json"
)
FROM KAFKA
("kafka_broker_list" = "127.0.0.1:9092","kafka_topic" = "test","property.group.id" = "doris");

kafka_doris ：Routine Load 任务所在的数据库
load_from_kafka_test：Routine Load 任务名称
clicklog：Routine Load 任务的目标表，也就是配置Routine Load 任务将数据导入到Doris哪个表中。
strict_mode：导入是否为严格模式，这里设置为false。
format：导入数据的类型，这里配置为json。
kafka_broker_list：kafka broker服务的地址
kafka_broker_list：kafka topic名称，也就是同步哪个topic上的数据。
property.group.id：消费组id

其中user=regexp_extract(type, ‘([[:lower:]]+)C([[:lower:]]+)’, 2)将type字段中的数据按照正则表达函数抽取到user字段。

3.正则表达式验证

mysql> SELECT regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2);
+-------------------------------------------------------------+
| regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2) |
+-------------------------------------------------------------+
| d                                                           |

具体Doirs 的regexp_extract函数参照： https://doris.apache.org/zh-CN/docs/sql-manual/sql-functions/string-functions/regexp/regexp_extract?_highlight=regexp_extract

4.Kafka数据生产

通过kafka-console-producer向kafka集群发送数据。

[root@17a5da45700b kafka_2.12-2.8.0]# ./bin/kafka-console-producer.sh --topic test --bootstrap-server localhost:9092
>
>{"id":"1","id":"user","type":"AbCdE","clickTime":"2022-06-17 01:08:21"}

5. 数据验证

数据验证：

mysql> select * from clicklog;
+---------------------+---------+------+------+------+
| clickTime           | type    | id   | user | city |
+---------------------+---------+------+------+------+
| 2022-06-17 01:08:21 | AbCdE   | 1    | d    | NULL |
+---------------------+---------+------+------+------+

可以看到user字段的值是对type执行正则表达式【user=regexp_extract(type, ‘([[:lower:]]+)C([[:lower:]]+)’, 2)】抽取的结果。
任务查看：

mysql>  SHOW ALL ROUTINE LOAD FOR load_from_kafka   \G;
*************************** 1. row ***************************Id: 1884278Name: load_from_kafka_testCreateTime: 2022-08-23 13:16:38PauseTime: NULLEndTime: NULLDbName: default_cluster:kafka_dorisTableName: clicklogState: RUNNINGDataSourceType: KAFKACurrentTaskNum: 1JobProperties: {"timezone":"Europe/London","send_batch_parallelism":"1","load_to_single_tablet":"false","maxBatchSizeBytes":"209715200","exec_mem_limit":"2147483648","strict_mode":"false","jsonpaths":"","currentTaskConcurrentNum":"1","fuzzy_parse":"false","partitions":"*","columnToColumnExpr":"clickTime,id,type,user=regexp_extract(`type`, '([[:lower:]]+)C([[:lower:]]+)', 2)","maxBatchIntervalS":"5","whereExpr":"*","dataFormat":"json","precedingFilter":"*","mergeType":"APPEND","format":"json","json_root":"","deleteCondition":"*","desireTaskConcurrentNum":"1","maxErrorNum":"0","strip_outer_array":"false","execMemLimit":"2147483648","num_as_string":"false","maxBatchRows":"300000"}
DataSourceProperties: {"topic":"test","currentKafkaPartitions":"0","brokerList":"127.0.0.1:9092"}CustomProperties: {"group.id":"doris","kafka_default_offsets":"OFFSET_END"}Statistic: {"receivedBytes":71,"runningTxns":[],"errorRows":0,"committedTaskNum":7,"loadedRows":1,"loadRowsRate":0,"abortedTaskNum":0,"errorRowsAfterResumed":0,"totalRows":1,"unselectedRows":0,"receivedBytesRate":0,"taskExecuteTimeMs":35621}Progress: {"0":"49"}Lag: {"0":0}
ReasonOfStateChanged: ErrorLogUrls: OtherMsg:
1 row in set (0.00 sec)ERROR:
No query specified

从任务状态可看出

6. 新书宣传

最后宣传下我的书：《Spark内核和应用实战》，可以购买我的新书。
京东地址： https://item.jd.com/13613302.html

Doris Routine Load正则表达实战相关推荐

Doris Routine Load数据导入实战【每秒导入16w】
Doris Routine Load实战[每秒导入16w] 1. Kafka安装 #1.下载安装包 wget https://dlcdn.apache.org/kafka/3.2.0/kafka_2. ...
Doris Routine Load接入Kafka0.8.0实战
Doris Routine Load接入Kafka0.8.0实战想要更全面了解Spark内核和应用实战,可以购买我的新书. <图解Spark 大数据快速分析实战>(王磊) 1. 问题产生 ...
数据导入 - Kafka 结合Doris Routine load 任务导入
背景参与项目有关数据采集,采集数据同步到数据库之前是使用sql的形式去进行同步,考虑到全表同步数据时数据量过大导致mybatis批量插入数据内存异常,原始解决方案采取分批次进行导入,但是同步数据速度 ...
doris routine load
https://doris.apache.org/zh-CN/docs/data-operate/import/import-way/routine-load-manual/ json (无嵌套) C ...
Apache Doris Routine Load数据导入使用方法
Apache Doris 代码仓库地址:apache/incubator-doris 欢迎大家关注加星 1.概要 Routine load 功能为用户提供了一种自动从指定数据源进行数据导入的功能. R ...
Apache Doris 系列：基础篇-Routine Load
简介 Routine Load 支持用户提交一个常驻的导入任务,通过不断的从指定的数据源读取数据,将数据导入到 Doris 中. 目前仅支持通过无认证或者 SSL 认证方式,从 Kakfa 导入 CS ...
Doris之Routine Load
Routine Load 例行导入(Routine Load)功能为用户提供了一种自动从指定数据源进行数据导入的功能. 本文档主要介绍该功能的实现原理.使用方式以及最佳实践. FE:Frontend, ...
Doris系列13-数据导入之Routine Load
文章目录一. Routine Load 概述二. Kafka 例行导入 2.1 创建例行导入任务 2.1.1 columns_mapping 2.1.2 where_predicates 2.1. ...
MySQL 学习笔记（2）— 通配符/正则表达/运算符
本文继续对 MySQL 中的通配符过滤.正则表达式.运算符进行分类总结. 1. 通配符 LIKE 指示 MySQL,后跟的搜索模式利用通配符匹配而不是直接相等匹配进行比较,其中分为 % 和 _ 通配符 ...

Doris Routine Load正则表达实战

Doris Routine Load正则表达实战

1. Kafka安装

2. Doirs库、表、Routine Load任务创建

3.正则表达式验证

4.Kafka数据生产

5. 数据验证

6. 新书宣传

Doris Routine Load正则表达实战相关推荐

最新文章

热门文章