跳到主要内容
跳到主要内容

Confluent HTTP Sink Connector

HTTP Sink Connector 是数据类型无关的,因此不需要 Kafka 模式,并且支持 ClickHouse 特有的数据类型,如 Maps 和 Arrays。这种额外的灵活性带来了轻微的配置复杂性增加。

下面我们将描述一个简单的安装,拉取来自单个 Kafka 主题的消息并插入行到 ClickHouse 表中。

备注

HTTP Connector 根据 Confluent Enterprise License 分发。

快速启动步骤

1. 收集连接详细信息

要通过 HTTP(S) 连接到 ClickHouse,您需要以下信息:

  • HOST 和 PORT:通常情况下,使用 TLS 时端口为 8443,不使用 TLS 时端口为 8123。

  • 数据库名称:默认情况下,有一个名为 default 的数据库,请使用您要连接的数据库名称。

  • 用户名和密码:默认情况下,用户名为 default。请使用适合您用例的用户名。

您的 ClickHouse Cloud 服务的详细信息可以在 ClickHouse Cloud 控制台中找到。选择您要连接的服务并点击 Connect

选择 HTTPS,并且详细信息可以在一个示例 curl 命令中找到。

如果您使用自管理的 ClickHouse,连接详细信息由您的 ClickHouse 管理员设置。

2. 运行 Kafka Connect 和 HTTP Sink Connector

你有两个选择:

  • 自管理: 下载 Confluent 包并在本地安装。按照 这里 文档中的安装指南进行操作。如果你使用 confluent-hub 安装方法,你的本地配置文件将会更新。

  • Confluent Cloud: 对于使用 Confluent Cloud 进行 Kafka 托管的用户,HTTP Sink 的完全托管版本可供使用。这要求你的 ClickHouse 环境能够从 Confluent Cloud 访问。

备注

下面的示例使用的是 Confluent Cloud。

3. 在 ClickHouse 中创建目标表

在连接性测试之前,让我们先在 ClickHouse Cloud 中创建一个测试表,该表将接收来自 Kafka 的数据:

4. 配置 HTTP Sink

创建 Kafka 主题和 HTTP Sink Connector 实例:


配置 HTTP Sink Connector:

  • 提供你创建的主题名称
  • 认证
    • HTTP Url - ClickHouse Cloud URL,指定一个 INSERT 查询 <protocol>://<clickhouse_host>:<clickhouse_port>?query=INSERT%20INTO%20<database>.<table>%20FORMAT%20JSONEachRow注意:查询必须被编码。
    • Endpoint Authentication type - BASIC
    • Auth username - ClickHouse 用户名
    • Auth password - ClickHouse 密码
备注

这个 HTTP Url 易出错。确保转义精确,以避免问题。


  • 配置
    • Input Kafka record value format - 根据你的源数据而定,但大多数情况下为 JSON 或 Avro。我们假设以下设置为 JSON
    • advanced configurations 部分:
      • HTTP Request Method - 设置为 POST
      • Request Body Format - json
      • Batch batch size - 根据 ClickHouse 推荐,将其设置为 至少 1000
      • Batch json as array - true
      • Retry on HTTP codes - 400-500,但根据需要进行调整,例如如果你在 ClickHouse 前面有 HTTP 代理,这可能会改变。
      • Maximum Reties - 默认值(10)是合适的,但可以根据需要调整以实现更强大的重试。

5. 测试连接性

在你配置的 HTTP Sink 的主题中创建一条消息


并验证创建的消息已写入你的 ClickHouse 实例。

故障排除

HTTP Sink 没有批处理消息

来自 Sink documentation:

如果包含不同的 Kafka 头值,HTTP Sink connector 不会批处理请求。

  1. 验证你的 Kafka 记录是否具有相同的键。
  2. 当你向 HTTP API URL 添加参数时,每个记录可能导致唯一的 URL。因此,当使用额外的 URL 参数时,批处理被禁用。

400 Bad Request

CANNOT_PARSE_QUOTED_STRING

如果 HTTP Sink 在将 JSON 对象插入 String 列时失败,并出现以下消息:

在 URL 中设置 input_format_json_read_objects_as_strings=1 设置,作为编码字符串 SETTINGS%20input_format_json_read_objects_as_strings%3D1

加载 GitHub 数据集(可选)

请注意,示例保留了 GitHub 数据集的 Array 字段。我们假设你在示例中有一个空的 github 主题,并使用 kcat 向 Kafka 插入消息。

1. 准备配置

按照 这些说明 设置与您的安装类型相关的 Connect,并注意独立模式和分布式集群之间的差异。如果使用 Confluent Cloud,分布式设置是相关的。

最重要的参数是 http.api.url。ClickHouse 的 HTTP 接口 要求你将 INSERT 语句作为 URL 中的参数进行编码。这必须包括格式(在本例中为 JSONEachRow)和目标数据库。格式必须与 Kafka 数据一致,该数据将在 HTTP 有效负载中转换为字符串。这些参数必须进行 URL 转义。以下是 GitHub 数据集的示例格式(假设你在本地运行 ClickHouse):

以下附加参数与 ClickHouse 的 HTTP Sink 相关。完整参数列表可以在 这里 找到:

  • request.method - 设置为 POST
  • retry.on.status.codes - 设置为 400-500 以在任何错误代码上重试。根据数据中的预期错误调整。
  • request.body.format - 在大多数情况下,这将是 JSON。
  • auth.type - 如果你使用 ClickHouse 的安全性,设置为 BASIC。目前不支持其他 ClickHouse 兼容的认证机制。
  • ssl.enabled - 如果使用 SSL,则设置为 true。
  • connection.user - ClickHouse 的用户名。
  • connection.password - ClickHouse 的密码。
  • batch.max.size - 在一次批处理中发送的行数。确保设置为适当大的数字。根据 ClickHouse 的 建议,建议使用 1000 作为最小值。
  • tasks.max - HTTP Sink connector 支持运行一个或多个任务。这可以用于提高性能。与批处理大小一起,这是提高性能的主要手段。
  • key.converter - 根据你的键的类型设置。
  • value.converter - 根据主题中的数据类型设置。这些数据不需要模式。这里的格式必须与参数 http.api.url 中指定的 FORMAT 一致。使用 JSON 和 org.apache.kafka.connect.json.JsonConverter 转换器是最简单的。通过转换器 org.apache.kafka.connect.storage.StringConverter 将值视为字符串也是可能的 - 尽管这将要求用户在插入语句中使用函数提取值。如果使用 io.confluent.connect.avro.AvroConverter 转换器,ClickHouse也支持 Avro格式

完整的设置列表,包括如何配置代理、重试和高级 SSL,可以在 这里 找到。

GitHub 示例数据的完整配置文件可以在 这里 找到,假设 Connect 在独立模式下运行,且 Kafka 托管在 Confluent Cloud。

2. 创建 ClickHouse 表

确保已创建该表。下面是使用标准 MergeTree 的最小 GitHub 数据集的示例。

3. 向 Kafka 添加数据

向 Kafka 插入消息。下面我们使用 kcat 插入 10,000 条消息。

简单读取目标表 "Github" 应确认数据已插入。