【Flink Scala】Flink的简介和项目的搭建

飝鱻.

已于 2022-03-29 09:11:47 修改

阅读量1.3k

点赞数 4

分类专栏： # Flink_Scala Scala 文章标签： scala Flink

于 2022-03-23 08:52:00 首次发布

本文链接：https://blog.csdn.net/heiren_a/article/details/123643995

版权

Flink_Scala 同时被 2 个专栏收录

10 篇文章 3 订阅

订阅专栏

Scala

8 篇文章 0 订阅

订阅专栏

本文学习于尚硅谷的视频：B站视频

Flink的简介和项目的搭建

初识Flink
Flink的重要特点
项目的搭建
- 批处理
- 批处理

初识Flink

Flink 起源于 Stratosphere项目，Stratosphere是在 2010~2014 年由 3 所地处柏林的大学和欧洲的一些其他的大学共同进行的研究项目，2014 年 4 月 Stratosphere 的代码被复制并捐赠给了 Apache软件基金会，参加这个孵化项目的初始成员是Stratosphere系统的核心开发人员，2014 年 12 月，Flink 一跃成为 Apache软件基金会的顶级项目。

在德语中，Flink 一词表示快速和灵巧，项目采用一只松鼠的彩色图案作为 logo，这不仅是因为松鼠具有快速和灵巧的特点，还因为柏林的松鼠有一种迷人的红棕色，而Flink 的松鼠logo 拥有可爱的尾巴，尾巴的颜色与 Apache软件基金会的 logo 颜色相呼应，也就是说，这是一只 Apache风格的松鼠。
在这里插入图片描述

Flink 项目的理念是：“Apache Flink 是为分布式、高性能、随时可用以及准确的流处理应用程序打造的开源流处理框架”。

Apache Flink 是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算。Flink被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算

在这里插入图片描述

跳转顶部

Flink的重要特点

事件驱动型

事件驱动型应用是一类具有状态的应用，它从一个或多个事件流提取数据，并根据到来的事件触发计算、状态更新或其他外部动作。比较典型的就是以 kafka 为代表的消息队列几乎都是事件驱动型应用。

与之不同的就是 SparkStreaming微批次，如图

在这里插入图片描述
事件驱动型

用户先将数据存储在一个消息队列中，可能是Flume或者是Kafka,然后使用Flink下图去处理，为了数据的可靠性，定期的做持久化的保存,这就是时间驱动

流和微批
在这里插入图片描述
SparkStreaming其实不是完全的流处理，因为他需要先进行攒一批的操作，也就是所说的微批

跳转顶部

流与批的世界观

批处理的特点是有界、持久、大量，非常适合需要访问全套记录才能完成的计算工作，一般用于离线统计。

流处理的特点是无界、实时, 无需针对整个数据集执行操作，而是对通过系统传输的每个数据项执行操作，一般用于实时统计。

在 spark 的世界观中，一切都是由批次组成的，离线数据是一个大批次，而实时数据是由一个一个无限的小批次组成的。

而在flink的世界观中，一切都是由流组成的，离线数据是有界限的流，实时数据是一个没有界限的流，这就是所谓的有界流和无界流。

无界数据流：无界数据流有一个开始但是没有结束，它们不会在生成时终止并提供数据，必须连续处理无界流，也就是说必须在获取后立即处理event。对于无界数据流我们无法等待所有数据都到达，因为输入是无界的，并且在任何时间点都不会完成。处理无界数据通常要求以特定顺序（例如事件发生的顺序）获取 event，以便能够推断结果完整性。

有界数据流：有界数据流有明确定义的开始和结束，可以在执行任何计算之前通过获取所有数据来处理有界流，处理有界流不需要有序获取，因为可以始终对有界数据集进行排序，有界流的处理也称为批处理。

在这里插入图片描述
这种以流为世界观的架构，获得的最大好处就是具有极低的延迟

其实可以认为，批处理就是一个特殊的流处理

跳转顶部

分层API

Flink可以分为三层

越顶层越抽象，表达含义越简明，使用越方便
越底层越具体，表单能力越丰富，使用越灵活

最底层级的抽象仅仅提供了有状态流，它将通过过程函数（Process Function）被嵌入到 DataStream API 中。底层过程函数（Process Function）与 DataStream API相集成，使其可以对某些特定的操作进行底层的抽象，它允许用户可以自由地处理来自一个或多个数据流的事件，并使用一致的容错的状态。除此之外，用户可以注册事件时间并处理时间回调，从而使程序可以处理复杂的计算。

实际上，大多数应用并不需要上述的底层抽象，而是针对核心 API（Core APIs）进行编程，比如 DataStream API（有界或无界流数据）以及 DataSet API（有界数据集）。这些API为数据处理提供了通用的构建模块，比如由用户定义的多种形式的转换（transformations），连接（joins），聚合（aggregations），窗口操作（windows）等等。DataSet API为有界数据集提供了额外的支持，例如循环与迭代。这些 API处理的数据类型以类（classes）的形式由各自的编程语言所表示

Table API是以表为中心的声明式编程，其中表可能会动态变化（在表达流数据时）。Table API 遵循（扩展的）关系模型：表有二维数据结构（schema）（类似于关系数据库中的表），同时 API提供可比较的操作，例如 select、project、join、group-by、aggregate 等。Table API程序声明式地定义了什么逻辑操作应该执行，而不是准确地确定这些操作代码的看上去如何。

尽管 Table API 可以通过多种类型的用户自定义函数（UDF）进行扩展，其仍不如核心 API 更具表达能力，但是使用起来却更加简洁（代码量更少）。除此之外，Table API程序在执行之前会经过内置优化器进行优化

你可以在表与 DataStream/DataSet之间无缝切换，以允许程序将 Table API与DataStream以及 DataSet 混合使用。

Flink 提供的最高层级的抽象是 SQL。这一层抽象在语法与表达能力上与Table API类似，但是是以 SQL查询表达式的形式表现程序。SQL 抽象与 Table API交互密切，同时 SQL查询可以直接在 Table API定义的表上执行。

目前Flink作为批处理还不是主流，不如 Spark成熟，所以 DataSet使用的并不是很多。Flink Table API和 Flink SQL也并不完善，大多都由各大厂商自己定制。所以我们主要学习 DataStream API的使用。实际上 Flink作为最接近Google DataFlow模型的实现，是流批统一的观点，所以基本上使用 DataStream 就可以了

Flink的其他特点

支持事件时间和处理时间
精确一次的状态一致性保证
低延迟，每秒百万个事件处理，毫秒级延迟
与众多常用存储系统的连接
高可用、动态扩展，实现7*24小时全天候连接

跳转顶部

项目的搭建

首先创建一个maven项目,不做赘述

修改pom文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>Flink_Scala</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
    </properties>

    <dependencies>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-scala_2.12</artifactId>
            <version>1.10.1</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-scala -->
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-scala_2.12</artifactId>
            <version>1.10.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-assembly-plugin</artifactId>
            <version>3.0.0</version>
        </dependency>

    </dependencies>


    <build>
        <plugins>
            <!-- 该插件用于将 Scala 代码编译成 class 文件 -->
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.4.6</version>
                <executions>
                    <execution>
                        <!-- 声明绑定到 maven 的 compile 阶段 -->
                        <goals>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>


</project>

在main目录下创建一个Scala文件，并且将其改成Source文件夹

在这里插入图片描述

批处理

数据展示

hello hi hadoop
spark scala hello
wordcount scala

package WordCount

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

object WordCount {
  def main(args: Array[String]): Unit = {
    //创建一个批处理执行环境
    val env = ExecutionEnvironment.getExecutionEnvironment

    //读取数据
    val inputPath = "src/main/resources/WordCount.txt"
    val inputDateSet = env.readTextFile(inputPath)

    //对数据进行转换处理
    val result = inputDateSet
      .flatMap(_.split(" "))
      .map((_, 1))
      .groupBy(0) //以第一个元素作为key分组
      .sum(1) //第二个元素求和

    //打印输出
    result.print()
  }
}

一定要导入下面的，这个是导入隐式转换

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

在这里插入图片描述

跳转顶部

批处理

package WordCount

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

/**
 * 流处理的WordCount
 */
object WordCountStream {
  def main(args: Array[String]): Unit = {
    //流处理的执行环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    //监听端口,socket文本流
    val inputDataStream = env.socketTextStream("192.168.23.69", 7777)
    //数据转换处理
    val resultDataStream = inputDataStream.flatMap(_.split(" "))
      .filter(_.nonEmpty)
      .map((_, 1))
      .keyBy(0)
      .sum(1)
    resultDataStream.print()

    //启动程序
    env.execute("wordcount")
  }
}

由于是流处理，数据是不断传输的
在这里插入图片描述
前面的数字是线程号
跳转顶部

飝鱻.

关注

4
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
【Flink Scala】Flink的简介和项目的搭建

本文学习于尚硅谷的视频：B站视频Flink的简介和项目的搭建初识FlinkFlink的重要特点事件驱动型流与批的世界观分层API项目的搭建批处理初识FlinkFlink 起源于 Stratosphere项目，Stratosphere是在 2010~2014 年由 3 所地处柏林的大学和欧洲的一些其他的大学共同进行的研究项目，2014 年 4 月 Stratosphere 的代码被复制并捐赠给了 Apache软件基金会，参加这个孵化项目的初始成 .
复制链接

扫一扫