A Complete Example
这个例子将关于人员的记录流作为输入,并将其过滤为只包含成人。
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.api.common.functions.FilterFunction;
public class Example {
public static void main(String[] args) throws Exception {
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
DataStream<Person> flintstones = env.fromElements(
new Person("Fred", 35),
new Person("Wilma", 35),
new Person("Pebbles", 2)
);
DataStream<Person> adults = flintstones.filter(new FilterFunction<Person>() {
@Override
public boolean filter(Person person) throws Exception {
return person.age >= 18;
}
});
adults.print();
env.execute();
}
public static class Person {
public String name;
public Integer age;
public Person() {};
public Person(String name, Integer age) {
this.name = name;
this.age = age;
};
public String toString() {
return this.name.toString() + ": age" + this.age.toSrting();
};
}
}
流执行环境
每个Flink应用程序都需要一个执行环境,在这个例子中是 env
。流式应用需要使用 StreamExecutionEnvironment
。
在你的应用程序中DataStream API的调用会建立一个关联到StreamExecutionEnvironment
的作业图。当env.execute()
被调用这个作业图就会被打包并发送给 Job Manager(作业管理器),作业管理器将作业并行化并将其片段分发给Task Manager(任务管理器)用于执行。每个作业的并行切片将会在task slot(任务槽)中执行。
需要注意的是,如果你不调用 execute()你的应用就不会跑。
此分布式运行时取决于您的应用程序是否可序列化。它还要求集群中的每个节点都可以使用所有依赖项。
基本流源
在上面的例子中我们通过env.fromElements(...)
构建了一个DataStream<Person>
。这是将简单流集合在一起以便在原型或测试中使用的便捷方式。在StreamExecutionEnvironment
上同样有一个方法fromCollection(Collection)
。我们可以这样实现:
List<Person> people = new ArrayList<Person>();
people.add(new Person("Fred", 35));
people.add(new Person("Wilma", 35));
people.add(new Person("Pebbles", 2));
DataStream<Person> flintstones = env.fromCollection(people);
在原型设计时将一些数据放入流中的另一种简单方式是使用套接字
DataStream<String> lines = env.socketTextStream("localhost", 9999)
或文件
DataStream<String> lines = env.readTextFile("file:///path")
在实际应用中,最常用的数据源是那些支持低延迟,高吞吐量并行度去以及倒带和重放的数据源 - 高性能和容错的先决条件 - 例如Apache Kafka, Kinesis 以及各种文件系统。REST APIs和数据库也经常用于丰富流。
基本流下沉
上例使用adults.print()
来显示结果到任务管理器的日志中(如果运行在IDE上则会出现在IDE的控制台中)。这个方法会为流中的每个元素调用toString()
。
输出看上去是这样的:
1> Fred: age 35
2> Wilma: age 35
1> 和 2> 指出了产生输出的子任务
你也可以写到文本文件
stream.writeAsText("/path/to/file")
或者CSV文件
stream.writeAsCsv("/path/to/file")
或者套接字
stream.writeToSocket(host, port, SerializationSchema)
在生产中,常用的接收器包括Kafka以及各种数据库和文件系统。
调试
在生产中,你将向应用程序运行的远程集群提交应用程序JAR文件。如果失败,远程也会失败。作业管理器和任务管理器日志在调试此类故障时非常游泳,但在IDE内部进行本地调试要容易的多,这是Flink支持的。你也可以设置断点,检查局部变量,并逐步执行代码。你也可以进入Flink代码,如果你想了解Flink的工作原理,这可能是了解更多内部信息的好方法。