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。
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。
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。
val env = StreamExecutionEnvironment.createLocalEnvironment(1)
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,温度传感器
case class SensorReading( id: String, timestamp: Long, temperature: Double )
object SourceTest {
def main(args: Array[String]): Unit = {
// 创建执行环境
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
// 1. 从集合中读取数据
val dataList = 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)
env.execute()
}
}
2.2 从文件读取数据
val stream2 = env.readTextFile("YOUR_FILE_PATH")
2.3 以kafka 消息队列的数据作为来源
需要引入kafka 连接器的依赖:
pom.xml
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-connector-kafka-0.11_2.12</artifactId>
<version>1.10.1</version>
</dependency>
具体代码如下:
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", "earliest")
val stream3 = env.addSource(new FlinkKafkaConsumer011[String]("sensor", new
SimpleStringSchema(), properties))
注:FlinkKafkaConsumer011中的“011”是kafka版本号,SimpleStringSchema是反序列化器
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:
val stream4 = env.addSource( new MySensorSource() )
我们希望可以随机生成传感器数据,MySensorSource 具体的代码实现如下:
// 自定义SourceFunction
class MySensorSource() extends SourceFunction[SensorReading]{
// 定义一个标识位flag,用来表示数据源是否正常运行发出数据
var running: Boolean = true
override def cancel(): Unit = running = false
override def run(ctx: SourceFunction.SourceContext[SensorReading]): Unit = {
// 定义一个随机数发生器
val rand = new Random()
// 随机生成一组(10个)传感器的初始温度: (id,temp)
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){
// 在上次数据基础上微调,更新温度值
curTemp = curTemp.map(
data => (data._1, data._2 + rand.nextGaussian())
)
// 获取当前时间戳,加入到数据中,调用ctx.collect发出数据
val curTime = System.currentTimeMillis()
curTemp.foreach(
data => ctx.collect(SensorReading(data._1, curTime, data._2))
)
// 间隔500ms
Thread.sleep(500)
}
}
}
注:rand.nextGaussian(),产生基于高斯分布的0-1之间的随机数。高斯函数是越靠近0,产生的几率越高。