01实现WordCount（批处理+流处理）快速上手——Flink

 

搭建 maven 工程 FlinkTutorial

然后在pom.xml中添加依赖，和引入插件

<?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>com.slabout</groupId>
    <artifactId>FlinkTutor</artifactId>
    <version>1.0-SNAPSHOT</version>

    <!--引入依赖文件-->
    <dependencies>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-scala_2.11</artifactId>
            <version>1.7.2</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-scala -->
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-scala_2.11</artifactId>
            <version>1.7.2</version>
        </dependency>
    </dependencies>

    <!--引入需要的插件-->
    <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>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>3.0.0</version>
                <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>

引入框架支持

创建一个单例对象

 

批处理实现

 

package com.slabout.wc

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

// 批处理word count 程序
object WordCount {
  // 创建一个main方法
  def main(args: Array[String]): Unit = {
    // 1、创建一个执行环境
    val env = ExecutionEnvironment.getExecutionEnvironment

    // 2、从文件中读取数据
    val inputPath = "D:\\IEDA\\FlinkTutor\\src\\main\\resources\\hello"
    val inputDataSet = env.readTextFile(inputPath)

    // 3、切分数据得到word，然后按word做分组聚合
    // _此处代表的是word
    val wordCountDataSet = inputDataSet.flatMap(_.split(" "))
      .map((_,1))    // 来一个数据计数一次1
      .groupBy(0)    // 按照map中0位置的那个是：word，进行分组 (可看源码)
      .sum(1)   // 统计的是map中1位置的那个数值

    // 4、打印结果
    wordCountDataSet.print()
  }
}

 

流处理实现

package com.slabout.wc

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

// 流处理word count程序
object StreamWordCount {
  def main(args: Array[String]): Unit = {
    // 1、创建流处理执行环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment

    // 2、接收一个socket文本流(因为要以流的形式获取数据处理)
    // 绑定主机名和端口号
    val dataStream = env.socketTextStream("localhost",7777)

    // 3、对每条数据进行处理
    val wordCountDataStream = dataStream.flatMap(_.split(" "))
      .filter(_.nonEmpty)
      .map((_,1))  // 转换为一个二元组去计数
      .keyBy(0) // 用keyBy进行分组
      .sum(1)

    wordCountDataStream.print()

    // 到上面为止是定义好程序的过程而已

    // 启动executor
    env.execute("Stream word count job")

    // 然后就可以传入数据，看打印效果

    // 可以设置并行度
    // 并行度就是执行的线程的数量（开发环境的话默认的并行度是电脑的核数）
   // wordCountDataStream.setParallelism(2)
  }
}