目录
开发环境准备
Flink 可以运行在 Linux, Max OS X, 或者是 Windows 上。为了开发 Flink 应用程序,在本地机 器上需要有 Java 8.x 和 maven 环境。
如果有 Java 8 环境,运行下面的命令会输出如下版本信息:
bash
$ java -version
java version "1.7.0_79"
Java(TM) SE Runtime Environment (build 1.7.0_79-b15)
Java HotSpot(TM) 64-Bit Server VM (build 24.79-b02, mixed mode)
如果有 maven 环境,运行下面的命令会输出如下版本信息:
bash
$ mvn -version
Apache Maven 3.5.0 (ff8f5e7444045639af65f6095c62210b5713f426; 2017-04-04T03:39:06+08:00)
Maven home: /data/apache-maven-3.5.0
Java version: 1.7.0_79, vendor: Oracle Corporation
Java home: /Library/Java/JavaVirtualMachines/jdk1.7.0_79.jdk/Contents/Home/jre
Default locale: zh_CN, platform encoding: UTF-8
OS name: "mac os x", version: "10.14", arch: "x86_64", family: "mac"
另外我们推荐使用 ItelliJ IDEA (社区免费版已够用)作为 Flink 应用程序的开发 IDE。Eclipse 虽然也可以,但是 Eclipse 在 Scala 和 Java 混合型项目下会有些已知问题,所以不太推荐 Eclipse。下一章节,我们会介绍如何创建一个 Flink 工程并将其导入 ItelliJ IDEA。
创建 Maven 项目
我们将使用 FlinkMavenArchetype 来创建我们的项目结构和一些初始的默认依赖。在你的工作 目录下,运行如下命令来创建项目:
启动nexus
bash
sparsematrix:~ matrix$ cd /data/nexus-3.9.0-01
sparsematrix:nexus-3.9.0-01 matrix$ ./bin/nexus start
Starting nexus
创建项目&初始依赖
bash
cd /Users/matrix/Desktop/IDEAProject
mvn archetype:generate \
-DarchetypeGroupId=org.apache.flink \
-DarchetypeArtifactId=flink-quickstart-java \
-DarchetypeVersion=1.6.1 \
-DgroupId=flink-demo \
-DartifactId=flink-demo \
-Dversion=0.1 \
-Dpackage=com.matrix.flink \
-DinteractiveMode=false
你可以编辑上面的 groupId,artifactId,package 成你喜欢的路径。使用上面的参数,Maven 将自 动为你创建如下所示的项目结构:
bash
sparsematrix:IDEAProject matrix$ cd flink-demo/
sparsematrix:flink-demo matrix$ tree
.
├── flink-demo.iml
├── pom.xml
└── src
└── main
├── java
│ └── com
│ └── matrix
│ └── flink
│ ├── BatchJob.java
│ └── StreamingJob.java
└── resources
└── log4j.properties
7 directories, 5 files
我们的 pom.xml 文件已经包含了所需的 Flink 依赖,并且在 src/main/java 下有几个示例程序 框架。接下来我们将开始编写第一个 Flink 程序。
编写 Flink 程序
启动 IntelliJ IDEA,选择 “Import Project(” 导入项目),选择 flink-demo 根目录下的 pom.xml。 根据引导,完成项目导入。
在 src/main/java/com.matrix.flink 下创建 SocketWindowWordCount.java
文件:
java
package com.matrix.flink;
public class SocketWindowWordCount {
public static void main(String[] args) {
}
}
Flink 程序的第一步是创建一个 StreamExecutionEnvironment。这是一个入口类,可以用来设置参数和创建数据源以及提交任务。所以让我们把它添加到 main 函数中:
java
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
下一步我们将创建一个从本地端口号 9000 的 socket 中读取数据的数据源:
java
DataStream<String> text = env.socketTextStream("localhost", 9000, "\n");
这创建了一个字符串类型的 DataStream。DataStream 是 Flink 中做流处理的核心 API,上面定 义了非常多常见的操作(如,过滤、转换、聚合、窗口、关联等
)。在本示例中,我们感兴趣的 是每个单词在特定时间窗口中出现的次数,比如说 5 秒窗口。为此,我们首先要将字符串数据 解析成单词和次数(使用 Tuple2<String, Integer>表示),第一个字段是单词
,第二个字段是 次数
,次数初始值都设置成了 1。我们实现了一个 flatmap 来做解析的工作,因为一行数据中 可能有多个单词。
java
DataStream<Tuple2<String, Integer>> wordcounts = text.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
@Override
public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
for (String word : value.split("\\s")) {
out.collect(Tuple2.of(word, 1));
}
}
});
接着我们将数据流按照单词字段(即 0 号索引字段)做分组,这里可以简单地使用 keyBy(int index)方法,得到一个以单词为 key 的 Tuple2<String, Integer>数据流。然后我们可以在流 上指定想要的窗口,并根据窗口中的数据计算结果。在我们的例子中,我们想要每 5 秒聚合一 次单词数,每个窗口都是从零开始统计的:。
DataStream<Tuple2<String, Integer>> windowCounts = wordcounts.keyBy(0).timeWindow(Time.seconds(5)).sum(1);
第二个调用的.timeWindow()指定我们想要 5 秒的翻滚窗口(Tumble)。第三个调用为每个 key 每个窗口指定了 sum 聚合函数,在我们的例子中是按照次数字段(即 1 号索引字段)相加。得 到的结果数据流,将每 5 秒输出一次这 5 秒内每个单词出现的次数。
最后一件事就是将数据流打印到控制台,并开始执行:
java
windowCounts.print().setParallelism(1);
env.execute("Socket Window WordCount");
最后的 env.execute 调用是启动实际 Flink 作业所必需的。所有算子操作(例如创建源、聚合、 打印)只是构建了内部算子操作的图形。只有在 execute()被调用时才会在提交到集群上或本 地计算机上执行。
代码实现
package com.matrix.flink;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.util.Collector;
public class SocketWindowWordCount {
public static void main(String[] args) throws Exception {
// 1.创建StreamExecutionEnvironment,这个一个入口类,用来设置参数和创建数据源以及提交任务
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 2.创建一个从本地端口号9000的socket中读取的数据源
DataStream<String> text = env.socketTextStream("192.168.239.180", 9000, "\n");
// DataStreaming是Flink中做流处理的核心API,上面定义了非常多常见的操作(如,过滤、转换、聚合、窗口、关联等)。
// 3.统计每个单词在特定时间窗口中出现的次数,解析数据,按word 分组,开窗,聚合
DataStream<Tuple2<String, Integer>> wordcounts = text.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
@Override
public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
for (String word : value.split("\\s")) {
out.collect(Tuple2.of(word, 1));
}
}
});
// 4.将数据流按照单词字段(即0号索引字段)做分组,这里可以简单地使用keyBy(int index)方法,得到一个以单词为key的Tuple2<String,Integer>数据流。然后
// 我们可以在流上指定想要的窗口,并根据窗口中的数据计算结果。
DataStream<Tuple2<String, Integer>> windowCounts = wordcounts.keyBy(0).timeWindow(Time.seconds(5)).sum(1);
// 5.将数据流打印到到控制台
windowCounts.print().setParallelism(1);
// 6.启动Flink作业
env.execute("Sockeet Window WordCount");
}
}
运行程序
要运行示例程序,首先我们在安装Flink服务器终端上启动 netcat 获得输入流:
bash
nc -lk 9000
如果是 Windows 平台,可以通过 https://nmap.org/ncat/ 安装 ncat 然后运行:
bash
ncat -lk 9000
然后直接运行 SocketWindowWordCount 的 main 方法。
只需要在 netcat 控制台输入单词,就能在 SocketWindowWordCount 的输出控制台看到每个单词的词频统计。如果想看到大于 1 的计数,请在 5 秒内反复键入相同的单词。
在终端启动 netcat 获得输入流
bash
yum install -y nc
bash
[root@flink01 ~]# nc -lk 9000
flink
flink
flinkf
lif
flink