Apache Phoenix Flume集成 -- JsonEventSerializer改进

背景

数据从kafka ingest到Phoenix。数据格式采取Json。数据链路：

api -> kafka -> Flume -> Phoenix

官方JsonEventSerializer的问题

• 每个table column必须有json字段，如果某个字段json中没有，那么这条记录被丢弃；
  例如table中有cola和colb两个列，但是json数据中只有{"cola":1}，原生版本会将这个消息丢弃。

• 数组的问题，json中的数组元素是没有类型的，例如一个小数字会被解析为java的int，如果我们的表中数组元素定义为BITINT，此时会有integer转long类型的exception。

• timestamp不支持unix timestamp格式（long）

• 如果数据格式出错会有SqlException异常抛出，此时会导致Flume sink循环拉取错误的消息并不停地尝试插入数据到Phoenix，但是一直失败，新的数据也无法插入。

内部原理

• 读取flume的event body (String)，利用JsonObject解析，这里的处理会将json的每个字段强转为String类型；
• 如果该json字段对应的table列类型是isArrayType则将json值（数组）创建成Phoenix Array；
• 如果不是数组，则直接将json的值转为对应的Object upsertValue = pDataType.toObject(jsonValue)；
• 最后调用Phoenix jdbc API (PrepareedStatement.excute())将数据插入到Phoenix，这里会有类型判断。

解决：

• 为null字段调用setNull
• 把json数组元素逐个转为table中元素的类型
• 对timestamp类型特殊处理，判断数据格式是不是\d+，如果是，则强转

else if (pDataType == PTimestamp.INSTANCE) {
          if (value.matches("\\d+")) { // if it's  a Long value as time stamp
                  upsertValue = pDataType.toObject(Long.parseLong(value), PLong.INSTANCE);
          } else {
                  upsertValue = pDataType.toObject(value);
          }
  }

• 避免抛出SqlException，只打印错误消息。

代码修改参见：https://github.com/wlu-mstr/phoenix/tree/4.13-cdh5.11.2