flink batch dataset 的基本操作

package hgs.flink_lesson

import org.apache.flink.api.java.utils.ParameterTool

import org.apache.flink.streaming.api.scala._

import org.apache.flink.api.scala.ExecutionEnvironment

import org.apache.flink.core.fs.FileSystem.WriteMode

import org.apache.flink.api.common.accumulators.Accumulator

import org.apache.flink.api.common.accumulators.IntCounter

import scala.collection.immutable.List

import scala.collection.mutable.ListBuffer

import scala.collection.immutable.HashMap

//import StreamExecutionEnvironment.class

object WordCount {

  def main(args: Array[String]): Unit = {

     val params = ParameterTool.fromArgs(args)

     //1.获得一个执行环境,如果是Streaming则换成StreamExecutionEnvironment

     val env = ExecutionEnvironment.getExecutionEnvironment

     //这样会得到当前环境下的配置

     env.getConfig.setGlobalJobParameters(params)

     println(params.get("input"))

      println(params.get("output"))

     val text = if(params.has("input")){

       //2.加载或者创建初始化数据

       env.readTextFile(params.get("input"))

     }else{

       println("Please specify the input file directory.")

       return

     }

     

     println("lines "+text.count())

     val ac =   new IntCounter

     //3.在数据上指明操作类型

     val counts = text.flatMap{ _.toLowerCase().split("\\W+").filter{_.nonEmpty}}

           //这里与spark的算子的groupBy有点不同，这边要用数组类似的下标来确定根据什么进行分组

           .map{(_,1)}.groupBy(0).reduceGroup(it=>{

                                               

                                                

                                               val tuple = it.next()

                                               var cnt = tuple._2 

                                               val ch = tuple._1

                                               while(it.hasNext){

                                                 cnt= cnt+it.next()._2

                                               }

                                               (ch,cnt)})

      //指明计算后的数据结果放到哪个位置

      //4.counts.print()

      counts.writeAsCsv("file:/d:/re.txt", "\n", " ",WriteMode.OVERWRITE)

      //5.触发程序执行

      env.execute("Scala WordCount Example")

      //     

  }

}

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/31506529/viewspace-2564530/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/31506529/viewspace-2564530/