1
前幾次的分享，我們多次提到了下圖中 Metrics 指標監控的 Prometheus、Grafana，而且 get 到了 influxdata 旗下的 InfluxDB 的入門技能。
本次，我們去看看別人家（流式處理框架 flink） 是怎麼用 InfluxDB 的？並嘗試把 InfluxDB、Grafana 這些輪子組裝在一起，看看組裝之後的車子能否跑起來？
2
個人認為，做技術的不要一味追求紙上談兵，如果不會學以致用，都是在扯淡，所以學習任何一門技術，先會用才是硬道理。
接下來一起去看看 Flink 與 InfluxDB、Grafana 這些輪子組裝在一起，組裝之後的車子是否能夠跑順溜？
組裝輪子之前，先貼兩張圖，幫你回憶一下 InfluxDB 和 Grafana。
圖一：InfluxDB 入門寶典。
圖二：Grafana 展示監控數據效果圖。
InfluxDB 和 Grafana 如何安裝？如何使用？之前已經分享過，不在這裡贅述，下面著重介紹 Flink 與 InfluxDB、Grafana 輪子的集成。
磨刀霍霍。二話不說，直接打開一手的 flink 官方文檔，按照步驟做就是啦。
<code>https://ci.apache.org/projects/flink/flink-docs-release-1.8/monitoring/metrics.html/<code>
圖中標註 1，進入 flink 的主目錄，然後拷貝 opt 目錄下的 flink-metrics-influxdb-1.8.0.jar 到 lib 目錄下。
圖中標註 2，進入 conf 目錄，打開 flink-conf.yaml 配置文件，加入圖中標註 2 的配置信息，注意修改成符合你所需的配置，配置解釋如下。
到這兒，flink 與 InfluxDB 就算集成到一起了，看看組裝之後，能否順溜的跑起來。
啟動 flink，並讓 flink 做點計算任務，例如 WordCount。
連接上 InfluxDB，確認一下 flink 產生的 metrics 數據，是否寫入到 InfluxDB 中啦？
命令操作猛如虎。
<code>influx
use flink # 如果不存在，記得創建呦
show MEASUREMENTS
select * from jobmanager_Status_JVM_CPU_Load/<code>
實際效果讓人歡。
見此景，足矣說明 flink 與 InfluxDB 集成的很完美，車子跑的很順溜。
另外，建議提前在 influxdb 中創建 flink 數據庫，不然會提示如下信息。
<code>WARN org.apache.flink.runtime.metrics.MetricRegistryImpl
- Error while reporting metricsorg.apache.flink.metrics.influxdb.shaded.org.influxdb.InfluxDBException$DatabaseNotFoundException: database not found: "flink"/<code>
趁熱乎勁，順道把 InfluxDB + Grafana 輪子的集成到一起，看看啥效果？
完成配置，點擊“Save & Test”按鈕進行保存和測試，成功會提示“Data source is working”。
然後，就可以在 Grafana 上看到 InfluxDB 中 flink 的所有表，進而 flink-metrics 監控數據，也就很順溜的呈現出來。而且你也可以根據個人需求，自定義 dashboard 或者去 Grafana 官網導入一些定義好模板。
到這兒，Flink + InfluxDB + Grafana 輪子也就組裝完成了，而且組裝之後的車子，也跑的相當好。
此時，你是否會好奇車子背後是如何運作的呢？好奇害死貓，滿足你的好奇心。
3
數據流向很簡單，Flink 定義了 InfluxdbReporter，用於定時把 flink-metrics 寫入到 InfluxDB 數據庫中，然後 Grafana 查詢 InfluxDB 進行數據計算並呈現。
flink 中 InfluxReproter 源碼定義如上圖所示，標註 1 的代碼段，很顯然是獲取開篇提到的 flink-conf.yml 中配置配置信息，然後連接 InfluxDB 數據庫；標註 3 的代碼段，完成釋放資源，關閉 InfluxDB 數據庫連接；標註 2 的代碼段，主要是調用 buildReport() 方法封裝上報數據，並完成 flink-metrics 寫入 influxDB。
上面截圖，metrics 幾個核心度量指標（gauges、counters、histograms、meters）再次呈現在我們面前，主要是調用 influxdb 提供的 API 進行指標數據封裝。
為了從全局上看的更清楚一些，一張 InfluxdbReporter 繼承實現關係圖，貼給大家。希望大家結合《實踐指路明燈，源碼剖析flink-metrics》那篇文章去理解，會理解的更清晰。
4
學技術，先在會用的前提下，再逐漸進行深入剖析，最後做到靈活運用。
基於當下流行的流式處理框架 flink 的源碼剖析，相信會對你有所幫助，尤其是自研的場景下，很多代碼可以拿去複用，它山之石可以攻玉。
好了，本次的分享就到這裡，每天進步一點點，前進不止一小點，希望你們有所獲。
閱讀更多 一猿小講 的文章
