模拟Flink处理实时数据
前言
借助Linux的nc(netcat)程序作为产生数据的数据源
flink程序的作用是实时统计每个词语出现的次数
效果展示
上面的图片中展示了【数据1】出现了【2】次
【A】出现了【1】次,flink实时统计的效果
功能实现
环境准备
在Linux系统中启动netcat,命令【nc -lk 7777】,7777为端口号
我使用的是contos
开放 7777 端口 不开放端口程序无法获取连接
1、开启防火墙
systemctl start firewalld
2、开放指定端口
firewall-cmd --zone=public --add-port=7777/tcp --permanent
命令含义:
–zone #作用域
–add-port=7777/tcp #添加端口,格式为:端口/通讯协议
–permanent #永久生效,没有此参数重启后失效
3、重启防火墙
firewall-cmd --reload
Java&flink实时读取实时数据
pom文件
<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>com.bygones</groupId>
<artifactId>learn-flink</artifactId>
<version>1.0.0-SNAPSHOT</version>
<dependencies>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-java</artifactId>
<version>1.10.1</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-streaming-java_2.12</artifactId>
<version>1.10.1</version>
</dependency>
</dependencies>
</project>
java 程序
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
/***
* @author bygones
* <p>Flink读取实时数据</p>
*/
public class FlinkReadRealtimeData {
public static void main(String[] args) throws Exception {
// 创建流处理执行环境
StreamExecutionEnvironment executionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment();
// 设置并行度,默认是电脑CPU核数
executionEnvironment.setParallelism(8);
// main 方法是可以在程序启动时传递参数的
// Flink提供了工具可以从程序启动参数中提取配置项
ParameterTool parameterTool = ParameterTool.fromArgs(args);
String hostname = parameterTool.get("hostname");
int port = parameterTool.getInt("port");
// TODO 可以加入参数的验证
DataStream<String> inputDataStream = executionEnvironment.socketTextStream(hostname,port);
// 基于数据流对数据进行处理
SingleOutputStreamOperator<Tuple2<String, Integer>> resultStream = inputDataStream.flatMap(new StreamWordCount.MyFlatMapper())
.keyBy(0)
.sum(1);
resultStream.print();
// 上面的代码只是定义的对数据的处理流程
// 执行任务, 数据来一条处理一条
executionEnvironment.execute();
}
// FlatMapFunction<输入参数的类型, 输出参数的类型>
// Tuple2<String,Integer> 二元组数据类型,例如(word , 1);
public static class MyFlatMapper implements FlatMapFunction<String,Tuple2<String,Integer>> {
// 定义对数据的处理规则
/***
* <p>
* 知识点描述:
* Collector 收集器, 将需要返回的数据收集起来
* </p>
* @param value 输入的数据
* @param collector 收集器, 将需要返回的数据收集起来
* @throws Exception
*/
public void flatMap(String value, Collector<Tuple2<String, Integer>> collector) throws Exception {
// 按照空格分词
String[] words = value.split(" ");
// 遍历所有word,包成二元组
for (String word: words) {
collector.collect(new Tuple2<String, Integer>(word , 1));
}
}
}
}
程序的启动配置 run-》edit configurations…
图中配置了实时数据源(nc)的IP和port,配置完成后启动程序即可
注意: 先启动nc在启动程序