【Flink---02】Flink开发环境：IDEA

ElegantCodingWH

已于 2023-06-28 10:54:37 修改

阅读量2.1k

点赞数 3

分类专栏： # Flink 文章标签： fink

于 2022-12-26 21:39:48 首次发布

本文链接：https://blog.csdn.net/qq_43546676/article/details/128449801

版权

Flink 专栏收录该内容

7 篇文章 2 订阅

订阅专栏

文章目录

第一步：创建项目
第二步：编辑pom.xml文件
第三步：配置日志
第四步：编写代码

以WordCount为例，进行演示

第一步：创建项目

在这里插入图片描述

第二步：编辑pom.xml文件

pom.xml里面有<properties></properties>标签对，在里面添加内容：
pom.xml一般没有<dependencies></dependencies>标签对，需要手动添加。

最终pom.xml文件为：

<?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>org.example</groupId>
    <artifactId>flinkStudy</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
        <!--版本控制-->
        <flink.version>1.13.0</flink.version>
        <java.version>1.8</java.version>
        <scala.binary.version>2.12</scala.binary.version> <!-- Flink的架构中使用了 Akka 来实现底层的分布式通信，而 Akka 是用 Scala 开发的-->
        <slf4j.version>1.7.30</slf4j.version>
    </properties>

    <dependencies>
        <!-- Flink核心组件 -->
        <dependency> <!--表示使用java代码编写的Flink程序-->
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-java</artifactId>
            <version>${flink.version}</version>
            <scope>provided</scope>
        </dependency>
        <dependency> <!--流处理和批处理的API，即Flink四大API之一的DataStream/DataSet API-->
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-java_${scala.binary.version}</artifactId>
            <version>${flink.version}</version>
            <!-- provided表示在打包时不将该依赖打包进去，可选的值还有compile、runtime、system、test -->
            <scope>provided</scope>
        </dependency>

        <!--可以直接在IDEA中执行Flink程序-->
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-clients_${scala.binary.version}</artifactId>
            <version>${flink.version}</version>
            <scope>provided</scope>
        </dependency>

        <!--webUI界面，类似于Hadoop的hdfs、yarn网页显示-->
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-runtime-web_${scala.binary.version}</artifactId>
            <version>${flink.version}</version>
            <scope>provided</scope>
        </dependency>

        <!--日志相关的依赖-->
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-api</artifactId>
            <version>${slf4j.version}</version>
            <scope>provided</scope>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>${slf4j.version}</version>
            <scope>provided</scope>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-to-slf4j</artifactId>
            <version>2.14.0</version>
            <scope>provided</scope>
        </dependency>
    </dependencies>


</project>

如果pom.xml文件中有<scope></scope>标签对，则需要进行以下操作：

如果编译程序没有问题，运行程序时报错classpath not found一般就是这个地方没有设置的原因。

第三步：配置日志

在目录 src/main/resources 下添加文件:log4j.properties
在这里插入图片描述

内容配置如下：

log4j.rootLogger=error, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%-4r [%t] %-5p %c %x - %m%n

第四步：编写代码

(1) 数据准备

在项目下创建input文件夹，再在该文件夹下创建words.txt文件
在这里插入图片描述
文件内容为：

hello world
wang hello
hello wang
hello hello hello
wang wang

(2) 方式一：批处理

创建如下包和文件：

FlinkBatch.java文件内容如下：

package com.hao.wordcount;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.api.java.operators.DataSource;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.Collector;

public class FlinkBatch {
    public static void main(String[] args) throws Exception {
        // 1. 通过 单例模式 获取批处理的 执行环境
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
        /* 如果需要设置固定的WebUI端口，则在获取执行环境时需要传入参数
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 10000);
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(conf);
        */

        // 2. 获取源数据 (从文件一行一行读取)
        DataSource<String> dataSource = env.readTextFile("input/words.txt");

        // 3. 数据处理
        dataSource
                // (1) 一对多：将一行数据映射为多个单词
                .flatMap(new FlatMapFunction<String, String>() {
                    @Override
                    public void flatMap(String line, Collector<String> out) throws Exception {
                        //  1) 对该行数据切割为一个一个的单词
                        String[] words = line.split(" ");
                        //  2) 将单词加入到收集器中
                        for (String word : words) {
                            out.collect(word);
                        }
                    }
                })
                // (2) 一对一：将单词 word 映射为 (word, 1) 形式。
                //     这一个算子其实可以省略，在flatMap中返回out.collect(Tuple2.of(word, lL));即可
                .map(new MapFunction<String, Tuple2<String, Long>>() {
                    @Override
                    public Tuple2<String, Long> map(String word) throws Exception {
                        return Tuple2.of(word, 1L);
                    }
                })
                // (3) 分组统计
                .groupBy(0)  // DataSet API 的算子
                .sum(1)
                // (4) 打印统计结果
                .print();
    }
}

运行结果如下：

注意：这里批处理使用的是DataSet API，下面的流处理使用的是DataStream API。事实上 Flink 本身是流批统一的处理架构，批量的数据集本质上也是流(是有界的数据流)，没有必要用两套不同的 API 来实现。所以从 Flink 1.12 开始，官方推荐的做法批处理也使用 DataStream API，只需要在提交任务是将执行模式设为 BATCH即可：
$ bin/flink run -Dexecution.runtime-mode=BATCH BatchWordCount.jar
这样，DataSet API就处于弃用状态，在实际应用中我们只要维护一套 DataStream API 就可以了，即流批一体。

(3) 方式二：流处理

* 以有界流的方式

创建如下文件：

FlinkBoundStream.java文件内容如下：

package com.hao.wordcount;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.functions.KeySelector;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;


public class FlinkBoundStream {
    public static void main(String[] args) throws Exception {
        // 1. 获取 有界流 的 执行环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        /* 如果需要设置固定的WebUI端口，则在获取执行环境时需要传入参数
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 10000);
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(conf);
        */

        // 2. 设置并行度
        env.setParallelism(1);

        // 3. 获取源数据
        DataStreamSource<String> dataStreamSource = env.readTextFile("input/words.txt");

        // 4. 数据处理
        dataStreamSource
                // (1) 一对多：将一行数据映射为多个单词，
                //     同时做一对一映射转换：将单词 word 映射为 (word, 1) 形式。
                .flatMap(new FlatMapFunction<String, Tuple2<String, Long>>() {
                    @Override
                    public void flatMap(String line, Collector<Tuple2<String, Long>> out) throws Exception {
                        //  1) 对该行数据切割为一个一个的单词
                        String[] words = line.split(" ");
                        //  2) 将单词以元组(word, 1)的形式加入到收集器中
                        for (String word : words) {
                            out.collect(Tuple2.of(word, 1L));
                        }
                    }
                })
                // (3) 分组统计
                // 后面的String是打上的标签类型，后面会根据标签分组。
                // 因为这里是根据tuple2.f0字段分组，所以标签类型和tuple2.f0类型相同
                .keyBy(new KeySelector<Tuple2<String, Long>, String>() { // DataStream API 的算子
                    @Override
                    public String getKey(Tuple2<String, Long> tuple2) throws Exception {
                        return tuple2.f0;  // f0是指元组的0下标字段
                    }
                })
                .sum(1)
                .print();

        // 5. 执行(流数据处理必须有这一步)
        env.execute("BoundStream"); // 传入的字符串是设置该job的名字，在WebUI界面会显示
    }
}

与批处理有3点不同：

流处理需要设置并行度：
分组的算子不同：批处理为groupBy()，流处理为keyBy()
流处理在最后必须执行：

运行结果为：

* 以无界流的方式

无界流的数据是没有定义数据的结束，所以不能使用上面有界的words.txt文件，需要用一台机器来不断的输入数据：

创建如下文件：

FlinkUnboundStream.java文件内容如下：

package com.hao.wordcount;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.functions.KeySelector;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;


public class FlinkUnboundStream {
    public static void main(String[] args) throws Exception {
        // 1. 获取 有界流 的 执行环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        /* 如果需要设置固定的WebUI端口，则在获取执行环境时需要传入参数
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 10000);
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(conf);
        */

        // 2. 设置并行度
        env.setParallelism(1);

        // 3. 获取源数据（从远程机器上获取）
        DataStreamSource<String> dataStreamSource = env.socketTextStream("192.168.10.111", 9999);

        // 4. 数据处理
        dataStreamSource
                // (1) 一对多：将一行数据映射为多个单词，同时做一对一映射转换：将单词 word 映射为 (word, 1) 形式。
                .flatMap(new FlatMapFunction<String, Tuple2<String, Long>>() {
                    @Override
                    public void flatMap(String line, Collector<Tuple2<String, Long>> out) throws Exception {
                        //  1) 对该行数据切割为一个一个的单词
                        String[] words = line.split(" ");
                        //  2) 将单词以元组(word, 1)的形式加入到收集器中
                        for (String word : words) {
                            out.collect(Tuple2.of(word, 1L));
                        }
                    }
                })
                // (3) 分组统计
                // 后面的String是打上的标签类型，后面会根据标签分组。
                // 因为这里是根据tuple2.f0字段分组，所以标签类型和tuple2.f0类型相同
                .keyBy(new KeySelector<Tuple2<String, Long>, String>() { // DataStream API 的算子
                    @Override
                    public String getKey(Tuple2<String, Long> tuple2) throws Exception {
                        return tuple2.f0;  // f0是指元组的0下标字段
                    }
                })
                .sum(1)
                .print();

        // 5. 执行(流数据处理必须有这一步)
        env.execute("UnboundStream"); // 传入的字符串是设置该job的名字，在WebUI界面会显示
    }
}

与有界流数据区别：读取数据的方式不同

源数据的准备：
① 在待输入源数据的主机中下载nc

链接: https://pan.baidu.com/s/128wPq848M93ra-w6gXL02w 提取码: rktv
② 然后在natcat包下打开cmd，并输入nc -lp 9999
在cmd中输入数据，程序就会同步的输出结果：

ElegantCodingWH

关注

3
点赞
踩
18

收藏

觉得还不错? 一键收藏
打赏
0
评论
【Flink---02】Flink开发环境：IDEA

第一步：创建项目第二步：编辑pom.xml文件第三步：配置日志第四步：编写代码(1) 数据准备(2) 方式一：批处理(3) 方式二：流处理* 以有界流的方式* 以无界流的方式
复制链接

扫一扫