Flink简单教学3-编写你的第一个flink程序

编写你的第一个flink程序

被公认为大数据的hello world程序world count。我们将用flink Stream 编写一个通socket中读取字符并统计出结果。
创建maven工程，指定JAVA编译版本1.8

<build>
    <plugins>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-compiler-plugin</artifactId>
            <version>3.5</version>
            <configuration>
                <source>1.8</source>
                <target>1.8</target>
                <encoding>UTF-8</encoding>
            </configuration>
        </plugin>
    </plugins>
</build>

引入flinkStream相关依赖

<dependencies>
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-java</artifactId>
        <version>${flink-version}</version>
        <scope>compile</scope>
    </dependency>
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-streaming-java_2.11</artifactId>
        <version>${flink-version}</version>
        <scope>compile</scope>
    </dependency>
</dependencies>

以下是一个统计的例子，你可以复制代码并在本地执行。

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.util.Collector;


public class SocketStreamWordCount {

    public static void main(String[] args) throws Exception {

        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream<Tuple2<String, Integer>> dataStream = env
                .socketTextStream("localhost", 9999)
                .flatMap(new Splitter())
                .keyBy(0)
                .timeWindow(Time.seconds(5))
                .sum(1);

        dataStream.print();

        env.execute("Window WordCount");
    }

    public static class Splitter implements FlatMapFunction<String, Tuple2<String, Integer>> {
        @Override
        public void flatMap(String sentence, Collector<Tuple2<String, Integer>> out) throws Exception {
            for (String word: sentence.split(" ")) {
                out.collect(new Tuple2<String, Integer>(word, 1));
            }
        }
    }
}

使用命令行
nc -lk 9999 windows需要额外安装netcat并配置环境变量。 使用nc -l -p 9999 (使用cmd终端启动貌似无法输入数据，我使用git bash启动)启动一个tcp 9999端口用于向程序发送数据。

启动程序，并在命令行中输入测试数据。

123 abc 你好
我是谁，abc，1
1
ab
c
c
ab

查看控制台

程序解析

Flink 程序是先定义逻辑，直到调用execute()方法时才会运行。

• 执行环境
  StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();创建flink执行环境。
• Source
  env.socketTextStream("localhost", 9999) 定义一个从9999 端口读取数据。
• Operate(DataStream Transformations)

socketTextStream("localhost", 9999)
    .flatMap(new Splitter())
    .keyBy(0)
    .timeWindow(Time.seconds(5))
    .sum(1)

flink 定义的算子，如果有用过JDK的Stream的同学可能会眼熟这些算子。timeWindow表示一个时间窗口，在无限的数据流中通过窗口将数据变为有限的。搭配算子，keyBy，sum等计算。

• Sink
  dataStream.print() sink，表示输出。输出有多重flink官方支持了很多，如kafka，filesystem，ES等等。也可以自己定义。之后教程会对常用的算子做介绍。
• Splitter
  我们可以自己定义算子，只需要实现或者继承flink算子接口。例子中的算子flatMap根据空格拆分行，并返回多个数据。

将代码发布到集群上运行

maven添加打包插件

<build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>3.0.0</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude>META-INF/*.SF</exclude>
                                        <exclude>META-INF/*.DSA</exclude>
                                        <exclude>META-INF/*.RSA</exclude>
                                    </excludes>
                                </filter>
                            </filters>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.5</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                </configuration>
            </plugin>
        </plugins>
    </build>

按照上一章的方式启动集群，提交你的第一个程序到集群上运行（记得先启动nc -p -l 9999）。使用命令行
./bin/flink run -p 1 -c flink.totorial.wordcount.SocketStreamWordCount ./jars/flink-tutorial-1.0-SNAPSHOT.jar 提交任务，windows命令相同。在web页面上查看Job

随便在控制台上输入一些数据，可以看到web页面上会有统计。

本教程的所有示例代码都已上传至Github仓库flink-toturial

关注我的公众号

了解我的最新动向

收藏我的个人博客