Flink基础 之 本地搭建教程

下载启动Flink

Flink 运行在 Linux、Mac OS X 和 Windows 上。要能够运行 Flink，唯一的要求是拥有一个可以工作的 Java 8.x 安装。Windows 用户，请看 Flink on Windows 指南，它描述了如何在 Windows 上运行 Flink 进行本地设置。

使用 java -version 查看 java 版本。

下载并解压

1. 从下载页面下载一个二进制文件。您可以选择任何您喜欢的Scala变体。对于某些特性，您可能还必须下载预打包的Hadoop jar之一，并将其放入 /lib 目录中。
2. cd 到下载好的目录
3. 解压文件

启动一个本地 Flink 集群

$ ./bin/start-cluster.sh  # Start Flink

在浏览器上输入 http://localhost:8081 查看 Flink 的 web 前端。会显示一个可用的 TM 实例。

还可以通过检查 logs 目录中的日志文件来验证系统是否正在运行：

$ tail log/flink-*-standalonesession-*.log
INFO ... - Rest endpoint listening at localhost:8081
INFO ... - http://localhost:8081 was granted leadership ...
INFO ... - Web frontend listening at http://localhost:8081.
INFO ... - Starting RPC endpoint for StandaloneResourceManager at akka://flink/user/resourcemanager .
INFO ... - Starting RPC endpoint for StandaloneDispatcher at akka://flink/user/dispatcher .
INFO ... - ResourceManager akka.tcp://flink@localhost:6123/user/resourcemanager was granted leadership ...
INFO ... - Starting the SlotManager.
INFO ... - Dispatcher akka.tcp://flink@localhost:6123/user/dispatcher was granted leadership ...
INFO ... - Recovering all persisted jobs.
INFO ... - Registering TaskManager ... at ResourceManager

阅读样例源码

可以在 GitHub 上的 scala 中找到这个 SocketWindowWordCount 示例的完整源代码。

object SocketWindowWordCount {

    def main(args: Array[String]) : Unit = {

        // the port to connect to
        val port: Int = try {
            ParameterTool.fromArgs(args).getInt("port")
        } catch {
            case e: Exception => {
                System.err.println("No port specified. Please run 'SocketWindowWordCount --port <port>'")
                return
            }
        }

        // get the execution environment
        val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment

        // get input data by connecting to the socket
        val text = env.socketTextStream("localhost", port, '\n')

        // parse the data, group it, window it, and aggregate the counts
        val windowCounts = text
            .flatMap { w => w.split("\\s") }
            .map { w => WordWithCount(w, 1) }
            .keyBy("word")
            .timeWindow(Time.seconds(5), Time.seconds(1))
            .sum("count")

        // print the results with a single thread, rather than in parallel
        windowCounts.print().setParallelism(1)

        env.execute("Socket Window WordCount")
    }

    // Data type for words with count
    case class WordWithCount(word: String, count: Long)
}

运行样例程序

现在我们将运行一个程序。它将从 socket 中读取文本，并每5秒打印前5秒内每个不同单词出现的次数，即处理时间的滚动窗口。

• 首先使用 netcat 启用本地服务

$ nc -l 9000

• 提交程序到Flink

$ ./bin/flink run examples/streaming/SocketWindowWordCount.jar --port 9000
Starting execution of program

程序连接到 socket 并等待输入。可以检查 web 界面，以验证作业是否按预期运行：

单词以5秒的时间窗口(处理时间、滚动窗口)计算，并打印到 stdout。监控 TaskManager 的输出文件，用 nc 写一些文本到 socket(输入按下后逐行发送到Flink做处理)：

$ nc -l 9000
lorem ipsum
ipsum ipsum ipsum
bye

.out文件将在每个时间窗口的末尾打印计数结果，例如：

$ tail -f log/flink-*-taskexecutor-*.out
lorem : 1
bye : 1
ipsum : 4

停止 Flink 的命令：

$ ./bin/stop-cluster.sh

想继续了解 Flink 的 DataStream API，请阅读：Flink流处理（Stream API）概览（Data Source、Data Sink）

有关hive 在flink中的使用，请阅读：Flink Table API & SQL - Hive之hive概览