在本文中, 我们将从零开始, 教您如何构建第一个 Apache Flink (以下简称 Flink)应用程序.
开发环境准备
Flink 可以运行在 Linux, Max OS X, 或者是 Windows 上. 为了开发 Flink 应用程序, 在本地机器上需要有 Java 8.x 和 maven 环境.
如果有 Java 8 环境, 运行下面的命令会输出如下版本信息:
- $ java -versionjava version "1.8.0_65"
- Java(TM) SE Runtime Environment (build 1.8.0_65-b17)
- Java HotSpot(TM) 64-Bit Server VM (build 25.65-b01, mixed mode)
如果有 maven 环境, 运行下面的命令会输出如下版本信息:
- $ mvn -version
- Apache Maven 3.5.4 (1edded0938998edf8bf061f1ceb3cfdeccf443fe; 2018-06-18T02:33:14+08:00)
- Maven home: /Users/wuchong/dev/maven
- Java version: 1.8.0_65, vendor: Oracle Corporation, runtime: /Library/Java/JavaVirtualMachines/jdk1.8.0_65.jdk/Contents/Home/jre
- Default locale: zh_CN, platform encoding: UTF-8
- OS name: "mac os x", version: "10.13.6", arch: "x86_64", family: "mac"
另外我们推荐使用 ItelliJ IDEA (社区免费版已够用)作为 Flink 应用程序的开发 IDE.Eclipse 虽然也可以, 但是 Eclipse 在 Scala 和 Java 混合型项目下会有些已知问题, 所以不太推荐 Eclipse. 下一章节, 我们会介绍如何创建一个 Flink 工程并将其导入 ItelliJ IDEA.
创建 Maven 项目
我们将使用 Flink Maven Archetype 来创建我们的项目结构和一些初始的默认依赖. 在你的工作目录下, 运行如下命令来创建项目:
- mvn archetype:generate \
- -DarchetypeGroupId=org.apache.flink \
- -DarchetypeArtifactId=flink-quickstart-java \
- -DarchetypeVersion=1.6.1 \
- -DgroupId=my-flink-project \
- -DartifactId=my-flink-project \
- -Dversion=0.1 \
- -Dpackage=myflink \
- -DinteractiveMode=false
你可以编辑上面的 groupId, artifactId, package 成你喜欢的路径. 使用上面的参数, Maven 将自动为你创建如下所示的项目结构:
- $ tree my-flink-project
- my-flink-project
├── pom.xml
└── src
└── main
├── java
│ └── myflink
│ ├── BatchJob.java
│ └── StreamingJob.java
└── resources
└── log4j.properties
我们的 pom.xml 文件已经包含了所需的 Flink 依赖, 并且在 src/main/java 下有几个示例程序框架. 接下来我们将开始编写第一个 Flink 程序.
编写 Flink 程序
启动 IntelliJ IDEA, 选择 "Import Project"(导入项目), 选择 my-flink-project 根目录下的 pom.xml. 根据引导, 完成项目导入.
在 src/main/java/myflink 下创建 SocketWindowWordCount.java 文件:
- package myflink;
- public class SocketWindowWordCount {
- public static void main(String[] args) throws Exception {
- }
- }
现在这程序还很基础, 我们会一步步往里面填代码. 注意下文中我们不会将 import 语句也写出来, 因为 IDE 会自动将他们添加上去. 在本节末尾, 我会将完整的代码展示出来, 如果你想跳过下面的步骤, 可以直接将最后的完整代码粘到编辑器中.
Flink 程序的第一步是创建一个 StreamExecutionEnvironment . 这是一个入口类, 可以用来设置参数和创建数据源以及提交任务. 所以让我们把它添加到 main 函数中:
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
下一步我们将创建一个从本地端口号 9000 的 socket 中读取数据的数据源:
DataStream text = env.socketTextStream("localhost", 9000, "\n");
这创建了一个字符串类型的 DataStream.DataStream 是 Flink 中做流处理的核心 API, 上面定义了非常多常见的操作(如, 过滤, 转换, 聚合, 窗口, 关联等). 在本示例中, 我们感兴趣的是每个单词在特定时间窗口中出现的次数, 比如说 5 秒窗口. 为此, 我们首先要将字符串数据解析成单词和次数(使用 Tuple2 表示), 第一个字段是单词, 第二个字段是次数, 次数初始值都设置成了 1. 我们实现了一个 flatmap 来做解析的工作, 因为一行数据中可能有多个单词.
- DataStream> wordCounts = text
- .flatMap(new FlatMapFunction>() {
- @Override
- public void flatMap(String value, Collector> out) {
- for (String Word : value.split("\\s")) {
- out.collect(Tuple2.of(Word, 1));
- }
- }
- });
接着我们将数据流按照单词字段 (即 0 号索引字段) 做分组, 这里可以简单地使用 keyBy(int index) 方法, 得到一个以单词为 key 的 Tuple2 数据流. 然后我们可以在流上指定想要的窗口, 并根据窗口中的数据计算结果. 在我们的例子中, 我们想要每 5 秒聚合一次单词数, 每个窗口都是从零开始统计的:
- DataStream> windowCounts = wordCounts
- .keyBy(0)
- .timeWindow(Time.seconds(5))
- .sum(1);
第二个调用的 .timeWindow() 指定我们想要 5 秒的翻滚窗口 (Tumble). 第三个调用为每个 key 每个窗口指定了 sum 聚合函数, 在我们的例子中是按照次数字段(即 1 号索引字段) 相加. 得到的结果数据流, 将每 5 秒输出一次这 5 秒内每个单词出现的次数.
最后一件事就是将数据流打印到控制台, 并开始执行:
- windowCounts.print().setParallelism(1);
- env.execute("Socket Window WordCount");
最后的 env.execute 调用是启动实际 Flink 作业所必需的. 所有算子操作 (例如创建源, 聚合, 打印) 只是构建了内部算子操作的图形. 只有在 execute()被调用时才会在提交到集群上或本地计算机上执行.
下面是完整的代码, 部分代码经过简化:
- package myflink;
- import org.apache.flink.API.common.functions.FlatMapFunction;
- import org.apache.flink.API.java.tuple.Tuple2;
- import org.apache.flink.streaming.API.datastream.DataStream;
- import org.apache.flink.streaming.API.environment.StreamExecutionEnvironment;
- import org.apache.flink.streaming.API.windowing.time.Time;
- import org.apache.flink.util.Collector;
- public class SocketWindowWordCount {
- public static void main(String[] args) throws Exception {
- // 创建 execution environment
- final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
- // 通过连接 socket 获取输入数据, 这里连接到本地 9000 端口, 如果 9000 端口已被占用, 请换一个端口
- DataStream text = env.socketTextStream("localhost", 9000, "\n");
- // 解析数据, 按 Word 分组, 开窗, 聚合
- DataStream> windowCounts = text
- .flatMap(new FlatMapFunction>() {
- @Override
- public void flatMap(String value, Collector> out) {
- for (String Word : value.split("\\s")) {
- out.collect(Tuple2.of(Word, 1));
- }
- }
- })
- .keyBy(0)
- .timeWindow(Time.seconds(5))
- .sum(1);
- // 将结果打印到控制台, 注意这里使用的是单线程打印, 而非多线程
- windowCounts.print().setParallelism(1);
- env.execute("Socket Window WordCount");
- }
- }
运行程序
要运行示例程序, 首先我们在终端启动 netcat 获得输入流:
nc -lk 9000
如果是 Windows 平台, 可以通过 https://nmap.org/ncat/ 安装 ncat 然后运行:
ncat -lk 9000
然后直接运行 SocketWindowWordCount 的 main 方法.
只需要在 netcat 控制台输入单词, 就能在 SocketWindowWordCount 的输出控制台看到每个单词的词频统计. 如果想看到大于 1 的计数, 请在 5 秒内反复键入相同的单词.
来源: https://www.cnblogs.com/xiaodf/p/11757462.html