import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
public class FlinkTurotial1_17 {
public static void main(String[] args) throws Exception {
//todo 1.创建执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
//todo 2.读取数据
DataStreamSource<String> stringDataStreamSource = env.readTextFile("D:\\juege\\code\\hope-backend\\opentech\\src\\main\\resources\\flinkTextSource.txt");
//todo 3.进行数据处理 先 flatmap 再 keyby 再 sum 再打印输出
stringDataStreamSource.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
@Override
public void flatMap(String s, Collector<Tuple2<String, Integer>> collector) throws Exception {
String[] words = s.split(" ");
for (String word : words) {
collector.collect(new Tuple2<>(word, 1));
}
}
}).keyBy(0).sum(1).print();
//todo 4.执行任务
env.execute("pantouyu");
}
}
数据源
显示结果如下
使用state来实现sum方法的效果
package com.example.flinktest.test;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
public class FlinkTurotial1_17 {
public static void main(String[] args) throws Exception {
//todo 1.创建执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
//todo 2.读取数据
DataStreamSource<String> stringDataStreamSource = env.readTextFile("D:\\juege\\code\\flink-test\\src\\main\\resources\\flinkTextSource.txt");
//todo 3.进行数据处理 先 flatmap 再 keyby 再 sum 再打印输出
stringDataStreamSource.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
@Override
public void flatMap(String s, Collector<Tuple2<String, Integer>> collector) throws Exception {
String[] words = s.split(" ");
for (String word : words) {
collector.collect(new Tuple2<>(word, 1));
}
}
}).keyBy(0)
.flatMap(new SumFunction()).print();
// .sum(1).print();
//todo 4.执行任务
env.execute("pantouyu");
}
}
package com.example.flinktest.test;
import org.apache.flink.api.common.functions.RichFlatMapFunction;
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.util.Collector;
public class SumFunction extends RichFlatMapFunction<Tuple2<String, Integer>, Tuple2<String, Integer>> {
private transient ValueState sumState;
@Override
public void open(Configuration parameters) throws Exception {
ValueStateDescriptor<Integer> descriptor = new ValueStateDescriptor<>("sumState", Integer.class);
sumState = getRuntimeContext().getState(descriptor);
}
@Override
public void flatMap(Tuple2<String, Integer> value, Collector<Tuple2<String, Integer>> out) throws Exception {
String key = value.f0;
Integer inputValue = value.f1;
Integer currentSum = sumState.value();
if (currentSum == null) {
currentSum = 0;
}
currentSum += inputValue;
sumState.update(currentSum);
out.collect(new Tuple2<>(key, currentSum));
}
}
### 2.2时间，窗口，水印
#### 窗口
### **全局窗口**
根据数据条数触发计算 比如如下就是 每来五条计算一次 并且并行度 等于1
### 滚动窗口
根据固定时间确定一个个窗口来触发计算 如下为10分钟
### 滑动窗口
根据固定时间确定一个窗口 然后间隔一定的时间触发窗口的计算
比如如下为 10分钟一个窗口 然后间隔时间为 1分钟那么 第一次计算的窗口
时间为 0-10分钟这个窗口内的数据 第二次 为 1-11分钟这个窗口内的数据 以此类推
#### 时间
#### 水印
水位线是个动态值 水印 = 当前窗口最大事件事件-允许延迟事件
当系统中以提取事件或者处理时间为准时不需要水印， 以**事件事件为准**时才需要水印 水印在国内又被称作水位线 在我们后面**解决数据延迟问题时比较重要** 这里先看下 不懂也没关系
### 2.3 窗口 时间 水印综合运用 解决数据延迟问题案例
如下图 左侧有个窗口 数据从上往下先后来了三条数据
首先 **水印/水位线 = 当前窗口最大事件事件-允许延迟事件**
**当水位线 >= 窗口时间时 就触发计算**
以下说的除了窗口时间外都是事件事件 也就是 数据上携带的时间戳
举个例子 当前 窗口时间为10分钟 但是有一条本应该9分钟到的数据 12分钟才到 那么你可以设置
允许延迟的时间为 2分钟 那么 当12分钟那条数据到的时候，通过公式计算
水位线 = 12-2 = 10>10(窗口时间) 那么这个时候刚好可以触发计算 12分钟到的那条数据也被包含在了这个窗口
###
### 2.4CEP
复杂事件找共性处理
### 2.5并行度，任务，子任务
#### 并行度
首先并行就是并发执行 前面我们说到了 一个taskmanager对应一个jvm进程，一个taskmanager中又有多个slot那么 一个slot就对应一个并行度，如果我们现在有两个jobmanager 每个jobmanager下有两个taskmanger 然后 每个taskmanager下面有三个slot 那么 这个flink app支持设置的最大并行度为多少呢 支持的最大并行度 = jobmanager数量\* taskmanager数量\*slot数量 =slot总数=2\*2\*3=12 那么 这个时候我如果设置 并行度为 10，那么就会有俩slot空闲 如果设置为12那就刚好
如果设置为14那么启动报错 因为我们计算结果支持的最大并行度为12
#### 任务及子任务
通过以下这句话 判断下一张图片中任务及子任务数
首先**source为第一个任务 他的并行度为2 所以有俩子任务**
然后flatmap的并行度是3 按上图所说 并行度相对于前一个任务发生了变化 无法合并 所以
f**latmap是第二个任务 他的并行度为3 所以有三个子任务**
再来到下一个算子 **keyby 根据上图所说 就算这里的keyby并行度为3 他也是个独立的任务**
**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**
**深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**
**因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。**
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！**
**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**
**如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）**
4843)]
[外链图片转存中...(img-96sCmyhE-1712906914843)]
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！**
**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**
**如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）**
[外链图片转存中...(img-N4LIvohu-1712906914844)]
113
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
