Flink批处理和流处理两种方式实现WordCount代码示例

使用scala实现批处理和流处理的wordcount示例

编写scala版本批处理wordcount

1.新建maven项目
2.导入pom坐标

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-streaming-scala_2.11</artifactId>
    <version>1.3.2</version>
</dependency>
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-connector-kafka-0.10_2.11</artifactId>
    <version>1.3.2</version>
</dependency>
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-table_2.10</artifactId>
    <version>1.3.2</version>
</dependency>
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-scala_2.10</artifactId>
    <version>1.3.2</version>
</dependency>

3.编写scala版本批处理wordcount代码

package com.qcj.wc_demo

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

/**
  * 简单的批处理word count例子
  */
object WordCount {
  def main(args: Array[String]) {
    //批处理程序，需要创建ExecutionEnvironment
    val env = ExecutionEnvironment.getExecutionEnvironment
    //fromElements(elements:_*) --- 从一个给定的对象序列中创建一个数据流，所有的对象必须是相同类型的。
    val text = env.fromElements(
      "Who's there?",
      "I think I hear them. Stand, ho! Who's there?","hah")

    val counts = text.flatMap { _.toLowerCase.split("\\W+") filter { _.nonEmpty } }
      .map { (_, 1) }
      .groupBy(0)//根据第一个元素分组
      .sum(1)

    //打印
    counts.print()
  }
}

4.运行结果

编写scala版本流处理wordcount

1.安装nc
a.下载netcat。下载地址这里
b.解压压缩包到指定路径下
c.配置path环境变量

我的path变量：
E:\software\netcat-1.11

d.打开命令界面：Windows+R cmd。输入nc 命令即可.

2.编写scala版本流处理wordcount

package com.qcj.wc_demo

import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time

/**
  * 实时接收word count例子
  *
  * 运行准备
  * 1.windows上安装netcat，下载解压，配置路径path就行了:
  *   参考博客：  https://blog.csdn.net/qq_37585545/article/details/82250984
  * 2.运行前先cmd启动nc:就可以输入数据了
  *   nc -lL -p 9999
  * 3.之后运行此程序，记住要先启动nc.后运行程序，不然会报错
  */
object WordCount2 {
  def main(args: Array[String]) {
    /*
    在Flink程序中首先需要创建一个StreamExecutionEnvironment
    （如果你在编写的是批处理程序，需要创建ExecutionEnvironment），它被用来设置运行参数。
    当从外部系统读取数据的时候，它也被用来创建源（sources）。
     */
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    val text = env.socketTextStream("localhost", 9999)

    val counts = text.flatMap { _.toLowerCase.split("\\W+") filter { _.nonEmpty } }//nonEmpty非空的
      .map { (_, 1) }
      .keyBy(0)//通过Tuple的第一个元素进行分组
      .timeWindow(Time.seconds(5))//Windows 根据某些特性将每个key的数据进行分组 (例如:在5秒内到达的数据).
      .sum(1)

    //将结果流在终端输出
    counts.print
    //开始执行计算
    env.execute("Window Stream WordCount")
  }
}

3.cmd窗口运行nc
输入命令:nc -lL -p 9999 回车等待启动程序

4.运行程序,输入测试数据

例子github地址

例子github地址