Flink-Source(数据源)

1.Environment

1.1 getExecutionEnvironment

创建一个执行环境，表示当前执行程序的上下文。 如果程序是独立调用的，则此方法返回本地执行环境；如果从命令行客户端调用程序以提交到集群，则此方法返回此集群的执行环境，也就是说，getExecutionEnvironment 会根据查询运行的方式决定返回什么样的运行环境，是最常用的一种创建执行环境的方式。

val env: ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment
val env = StreamExecutionEnvironment.getExecutionEnvironment

如果没有设置并行度，会以 flink-conf.yaml 中的配置为准，默认是 1。

parallelism.default: 1

1.2 createLocalEnvironment

返回本地执行环境，需要在调用时指定默认的并行度。

1.3 createRemoteEnvironment

返回集群执行环境，将 Jar 提交到远程服务器。需要在调用时指定 JobManager的 IP 和端口号，并指定要在集群中运行的 Jar 包。

val env = ExecutionEnvironment.createRemoteEnvironment(“jobmanage-hostname",6123,"YOURPATH//wordcount.jar")

  

2.Source

2.1从集合读取数据

　　//定义样例类，传感器ID，时间戳，温度
　　case class SensorReading(id: String, timestamp: Long, temperature: Double)

　　 // 创建执行环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment

    // 1.从集合中读取数据
    val dataList:List[SensorReading] = List(
      SensorReading("sensor_1", 1547718199, 35.8),
      SensorReading("sensor_6", 1547718201, 15.4),
      SensorReading("sensor_7", 1547718202, 6.7),
      SensorReading("sensor_10", 1547718205, 38.1)
    )
    val stream1 = env.fromCollection(dataList)

    stream1.print("stream1:")//.setParallelism(1)

 

2.2从文本读取数据

 　　// 2.从文件中读取
    val filePath = "/Users/FengZhen/Desktop/accumulate/0_project/flink_learn/src/main/resources/data/sensor.txt"
    val stream2 = env.readTextFile(filePath)

    stream2.print("stream2:")

2.3以kafka消息队列的数据作为来源

　　// 3.从kafka中读取数据
    // ./kafka-console-producer.sh --broker-list localhost:9092 --topic topic_sensor
    val properties = new Properties()
    properties.setProperty("bootstrap.servers", "localhost:9092")
    properties.setProperty("group.id", "consumer-group")
    properties.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
    properties.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
    properties.setProperty("auto.offset.reset", "latest")

    val streamKafka = env.addSource( new FlinkKafkaConsumer[String](
      "topic_sensor",
      new SimpleStringSchema(),
      properties
    ))

    streamKafka.print("streamKafka:") 

2.4自定义source

除了以上的 source 数据来源，我们还可以自定义 source。需要做的，只是传入一个 SourceFunction 就可以。具体调用如下：

 　　// 4.自定义source
    val streamSelfSource = env.addSource(new MySensorSource())
    streamSelfSource.print("streamSelfSource:")
    env.execute("source test")

class MySensorSource extends SourceFunction[SensorReading]{

    //flag: 表示数据源是否还在正常运行
    var running: Boolean = true

    override def run(ctx: SourceFunction.SourceContext[SensorReading]): Unit = {

      //初始化一个随机数发生器
      val rand = new Random()

      var curTemp = 1.to(10).map(
        i => ("sensor_" + i, rand.nextDouble() * 100)
      )

      //定义无限循环，不停地产生数据，除非被cancel
      while (running){
        //更新温度值
        curTemp = curTemp.map(
          t => (t._1, t._2 + rand.nextGaussian())
        )

        //获取当前时间戳
        val curTime = System.currentTimeMillis()

        //调用ctx.collect发出数据
        curTemp.foreach(
          t => ctx.collect(SensorReading(t._1, curTime, t._2))
        )
        Thread.sleep(100)
      }

    }

    override def cancel(): Unit = {
      running = false
    }
  }