Flink入门篇-使用

Flink组件

flink的流程一共三步,先是source读取数据,再进行transform转换和计算,最后就是sink输出数据到某个地方

source

Flink 在流处理和批处理上的 source 大概有 4 类:

  • 基于本地集合的 source、
  • 基于文件的 source、
  • 基于网络套接字的 source、
  • 自定义的 source。自定义的 source 常见的有 Apache kafka、Amazon Kinesis Streams、RabbitMQ、Twitter Streaming API、Apache NiFi 等,当然你也可以定义自己的 source。
    我们一个个来看

基于本地集合的source

flink会默认根据你电脑的核数来确定并行度,我这里设置了我的并行度为两个,所以这里的结果会将数据默认分到两个分区里面,采用的是hash分区的方式

//基于本地集合构建DataStream  -- 有界流
object Demo1Source extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = {
    val linesDS: DataStream[Int] = env.fromCollection(List(1,2,3,4,5))

    linesDS.print()
}
}

在这里插入图片描述

基于文件的 source

//基于文件构建DataStream -- 有界流
object Demo1Source extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = 
    val stuDS: DataStream[String] = env.readTextFile("D:\\BigDaTa\\JAVA_Project\\ShuJia01\\data\\students.txt")
    stuDS
      .map(word=>(word.split(",")(4),1))
      .keyBy(_._1)
      .sum(1)
      .print()
  }
}

在这里插入图片描述

基于网络套接字的 source

这里可以在虚拟机里面开启一个端口
nc -lk 端口号,没有nc命令可以 yum install nc 下载一个

//基于socket构建DataStream-- 无界流
object Demo1Source extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = {
    val socketDS: DataStream[String] = env.socketTextStream("master",8888)
    socketDS.print()
  }
}

在这里插入图片描述

自定义的 source

自定义source尝试

source的数据是未了后面的算子做处理做准备的,所以这里的数据要发送到下游
使用自定义的source,只需要继承SourceFunction,重写run和cancel方法即可,cacel方法可以不用写东西,这里要注意加上泛型
在这里插入图片描述

//自定义source, 实现SourceFunction接口
//实现run方法
package com.shujia.source

import com.shujia.common.FlinkTool
import org.apache.flink.streaming.api.functions.source.SourceFunction
import org.apache.flink.streaming.api.scala._

object Demo1Source extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = {
   val myDS: DataStream[Int] = env.addSource(new MySource)
   myDS.print()
  }
class MySource extends SourceFunction[Int]{
  //run方法只执行一次
  override def run(sc: SourceFunction.SourceContext[Int]): Unit = {
    var i = 0
    while (true){
      sc.collect(i) //将数据发到下游
      Thread.sleep(100)
      i+= 1
    }
  }
  //任务取消的时候执行,用于回收资源
  override def cancel(): Unit = {}
}

在这里插入图片描述

自定义MySQL数据源接入,四种不同模式

在写自定义数据源的时候,需要继承SourceFunction,这里记录四种常见的的方法

继承SourceFunction - 单一的source , run方法只会执行一次
继承ParallelSourceFunction - 并行的source ,有多少个并行度就会有多少个source
继承RichSourceFunction 多了open和close方法
继承RichParallelSourceFunction 多了并行度和open和close方法

在这里插入图片描述

继承SourceFunction

单一的source , run方法只会执行一次,但是这样每调用一次MySQL都会创建一次连接,非常消耗资源

package com.shujia.source

import java.sql._

import com.shujia.common.FlinkTool
import org.apache.flink.streaming.api.functions.source.SourceFunction
import org.apache.flink.streaming.api.scala._

object Demo2MysqlSource extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = {
    val mysqlDS: DataStream[(Int, String, Int, String, String, String)] = env.addSource(new MysqlSource)
    mysqlDS.print()
  }
}

class MysqlSource extends SourceFunction[(Int,String,Int,String,String,String)]{
  override def run(sourceContext: SourceFunction.SourceContext[(Int,String,Int,String,String,String)]): Unit = {
    //加载驱动
    Class.forName("com.mysql.jdbc.Driver")

    //建立连接
    val conn: Connection = DriverManager.getConnection("jdbc:mysql://master:3306/student","root","123456")

    val statement: PreparedStatement = conn.prepareStatement("select * from student limit 10")

    val resultSet: ResultSet = statement.executeQuery()

    while (resultSet.next()){
      val id: Int = resultSet.getInt("id")
      val name: String = resultSet.getString("name")
      val age: Int = resultSet.getInt("age")
      val gender: String = resultSet.getString("gender")
      val clazz: String = resultSet.getString("clazz")
      val last_mod: String = resultSet.getString("last_mod")

      //将数据发送到下游
      sourceContext.collect((id,name,age,gender,clazz,last_mod))
    }

    conn.close()
  }

  override def cancel(): Unit = {}
}

在这里插入图片描述

继承RichSourceFunction

多了open和close方法,这样就可以在open方法中创建一次连接,在close中关闭,节省资源

class MysqlSource extends RichSourceFunction[(Int,String,Int,String,String,String)]{
  var conn: Connection = _

  override def open(parameters: Configuration): Unit = {
    //加载驱动
    Class.forName("com.mysql.jdbc.Driver")

    //建立连接
    conn = DriverManager.getConnection("jdbc:mysql://master:3306/student","root","123456")

  }

  override def run(sourceContext: SourceFunction.SourceContext[(Int,String,Int,String,String,String)]): Unit = {

    val statement: PreparedStatement = conn.prepareStatement("select * from student limit 10")

    val resultSet: ResultSet = statement.executeQuery()

    while (resultSet.next()){
      val id: Int = resultSet.getInt("id")
      val name: String = resultSet.getString("name")
      val age: Int = resultSet.getInt("age")
      val gender: String = resultSet.getString("gender")
      val clazz: String = resultSet.getString("clazz")
      val last_mod: String = resultSet.getString("last_mod")

      //将数据发送到下游
      sourceContext.collect((id,name,age,gender,clazz,last_mod))
    }
  }

  override def close(): Unit = {
    conn.close()
  }
  
  override def cancel(): Unit = {}
}

在这里插入图片描述

transform

flink的算子不是懒执行的算子,不管怎么样都会执行的,不需要行动算子也会执行

map

在这里插入图片描述
我们可以看到map函数,里面有两种方式,都是传入一个函数,只不过一个是传入Scala写的函数,一个是传入Java函数

传入Scala函数

传入Scala函数:和之前一样的操作即可

linesDS.map(
      line=>{
        line+"scala"
      }
    ).print()
传入Java函数
继承MapFunction

传入Java函数,我们可以看到这里只要继承MapFunction即可,这里面有两个参数,一个是传入的参数类型,一个是输出的参数类型
在这里插入图片描述

linesDS.map(new MapFunction[String,String] {
      override def map(line: String): String = {
        line+"java"
      }
    }).print()
继承RichMapFunction (可以做open和close)
linesDS.map(new RichMapFunction[String,String] {

      override def open(parameters: Configuration): Unit = {

      }

      override def map(line: String): String = {
        line+"java"
      }

      override def close(): Unit = {

      }
    })

效果相同
在这里插入图片描述

flatMap

传入Scala函数
val linesDS: DataStream[String] = env.socketTextStream("master",8888)
linesDS.flatMap(line=>{
  line
    .split(",")
}).print()

在这里插入图片描述
在这里插入图片描述

传入Java函数
linesDS.flatMap(new RichFlatMapFunction[String,String] {

      override def open(parameters: Configuration): Unit = {
        println("open")
      }

      override def close(): Unit = {
        println("close")
      }

      override def flatMap(in: String, collector: Collector[String]): Unit = {
        in
          .split(",")
          .foreach(word=>{
            collector.collect(word)
          })
      }

    }).print()

在这里插入图片描述

Filter

val stuDS: DataStream[String] = env.readTextFile("data/students.txt")

    stuDS.filter(new FilterFunction[String] {
      override def filter(t: String): Boolean = {
        println("filter")
        t.split(",")(3) == "男" //将性别为男的过滤出来
      }
    })print()

KeyBy

 //将相同的key发送到同一个task中
    val stuDS: DataStream[String] = env.readTextFile("data/students.txt")

    stuDS.keyBy(new KeySelector[String,String] {
      override def getKey(in: String): String = {
        in
      }
    }).print()

Reduce

用于KeyBy之后对数据进行聚合

val linesDS: DataStream[String] = env.socketTextStream("master",8888)

    val kvDS: DataStream[(String, Int)] = linesDS.flatMap(_.split(",")).map((_,1))

    val keyByDS: KeyedStream[(String, Int), String] = kvDS.keyBy(_._1)

    /**
      * reduce:keyby之后对数据进行聚合
      */
    keyByDS.reduce(new ReduceFunction[(String, Int)] {
      override def reduce(t: (String, Int), t1: (String, Int)): (String, Int) = {
        (t1._1,t1._2+t._2)
      }
    }).print()

在这里插入图片描述

Agg

package com.shujia.transformation


import com.shujia.common.FlinkTool
import org.apache.flink.streaming.api.scala._


object Demo6Agg extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = {
    val studentDS: DataStream[String] = env.readTextFile("data/students.txt")


    val stuDS: DataStream[Student] = studentDS.map(line => {
      val split: Array[String] = line.split(",")
      Student(split(0), split(1), split(2).toInt, split(3), split(4))
    })


    stuDS
      .keyBy(_.clazz)
      .sum("age")
    // .print()


    /**
      * max 和 maxBy 之间的区别在于 max 返回流中的最大值,但 maxBy 返回具有最大值的键,
      */
    stuDS
      .keyBy(_.clazz)
      .maxBy("age")
      .print()
  }

}
case class Student(id: String, name: String, age: Int, gender: String, clazz: String)

Window

val linesDS: DataStream[String] = env.socketTextStream("master", 8888)

    /**
      * 每个5秒统计一次单词的数量
      *
      */


    val kvDS: DataStream[(String, Int)] = linesDS.flatMap(_.split(",")).map((_, 1))

    val countDS: DataStream[(String, Int)] = kvDS
      .keyBy(_._1)
      //5秒一个窗口
      .timeWindow(Time.seconds(5))
      .sum(1)

    countDS.print()

union

val ds1: DataStream[Int] = env.fromCollection(List(1,2,3,4,5,6))
    val ds2: DataStream[Int] = env.fromCollection(List(4,5,6,7,8,9))

    /**
      * 合并DataStream  类型要一致
      */
    val unionDS: DataStream[Int] = ds1.union(ds2)

    unionDS.print()

SideOutput

旁路输出

val studentsDS: DataStream[String] = env.readTextFile("data/students.txt")

    /**
      * 将性别为男和性别为女学生单独拿出来
      *
      */

    val nan: OutputTag[String] = OutputTag[String]("男")
    val nv: OutputTag[String] = OutputTag[String]("女")


    val processDS: DataStream[String] = studentsDS.process(new ProcessFunction[String, String] {
      override def processElement(line: String, ctx: ProcessFunction[String, String]#Context, out: Collector[String]): Unit = {


        val gender: String = line.split(",")(3)

        gender match {
          //旁路输出
          case "男" => ctx.output(nan, line)
          case "女" => ctx.output(nv, line)
        }
      }
    })


    //获取旁路输出的DataStream

    val nanDS: DataStream[String] = processDS.getSideOutput(nan)
    val nvDS: DataStream[String] = processDS.getSideOutput(nv)


    nvDS.print()

sink

自定义输出

package com.shujia.sink

import com.shujia.common.FlinkTool
import org.apache.flink.streaming.api.functions.sink.SinkFunction
import org.apache.flink.streaming.api.scala._

object Demo1Sink extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = {

    val studentDS: DataStream[String] = env.readTextFile("data/students.txt")

    //    studentDS.print()

    /**
      * 自定义sink
      *
      */

    studentDS.addSink(new MySink)
  }
}

class MySink extends SinkFunction[String]{
  /**
    * invoke : 每一条数据都会执行一次
    *
    * @param line    数据
    * @param context 上下文对象
    */
  override def invoke(line: String, context: SinkFunction.Context[_]): Unit = {
    println(line)
  }
}

自定义输出到MySQL

package com.shujia.sink

import java.sql.{Connection, DriverManager, PreparedStatement}

import com.shujia.common.FlinkTool
import org.apache.flink.configuration.Configuration
import org.apache.flink.streaming.api.functions.sink.{RichSinkFunction, SinkFunction}
import org.apache.flink.streaming.api.scala._

object Demo2MysqlSink extends FlinkTool{
  override def run(env: StreamExecutionEnvironment): Unit = {

    val studentDS: DataStream[String] = env.readTextFile("data/students.txt")

    studentDS.addSink(new MysqlSink)

  }

}

class MysqlSink extends RichSinkFunction[String] {


  var con: Connection = _

  /**
    * 在invoke 之前执行,每一个task中只只一次
    *
    */
  override def open(parameters: Configuration): Unit = {
    println("创建连接")
    //加载驱动
    Class.forName("com.mysql.jdbc.Driver")

    //1、建立链接
    con = DriverManager.getConnection("jdbc:mysql://master:3306/student?useUnicode=true&characterEncoding=utf-8", "root", "123456")

  }

  override def close(): Unit = {
    println("关闭连接")
    con.close()
  }

  /**
    * 每一条数据都会执行一次
    *
    */
  override def invoke(line: String, context: SinkFunction.Context[_]): Unit = {

    val split: Array[String] = line.split(",")


    val stat: PreparedStatement = con.prepareStatement("insert into student(id,name,age,gender,clazz) values(?,?,?,?,?)")

    stat.setString(1, split(0))
    stat.setString(2, split(1))
    stat.setInt(3, split(2).toInt)
    stat.setString(4, split(3))
    stat.setString(5, split(4))

    stat.execute()

  }
}

在这里插入图片描述
感谢阅读,我是啊帅和和,一位大数据专业大四学生,祝你快乐。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

啊帅和和。

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值