Apache Flink 入門示例demo

  • 2019 年 10 月 29 日
  • 筆記

在本文中，我們將從零開始，教您如何構建第一個Apache Flink （以下簡稱Flink）應用程式。

開發環境準備

Flink 可以運行在 Linux, Max OS X, 或者是 Windows 上。為了開發 Flink 應用程式，在本地機器上需要有 Java 8.x 和 maven 環境。
如果有 Java 8 環境，運行下面的命令會輸出如下版本資訊：

$ java -versionjava version "1.8.0_65"  Java(TM) SE Runtime Environment (build 1.8.0_65-b17)  Java HotSpot(TM) 64-Bit Server VM (build 25.65-b01, mixed mode)

如果有 maven 環境，運行下面的命令會輸出如下版本資訊：

$ mvn -version  Apache Maven 3.5.4 (1edded0938998edf8bf061f1ceb3cfdeccf443fe; 2018-06-18T02:33:14+08:00)  Maven home: /Users/wuchong/dev/maven  Java version: 1.8.0_65, vendor: Oracle Corporation, runtime: /Library/Java/JavaVirtualMachines/jdk1.8.0_65.jdk/Contents/Home/jre  Default locale: zh_CN, platform encoding: UTF-8  OS name: "mac os x", version: "10.13.6", arch: "x86_64", family: "mac"

另外我們推薦使用 ItelliJ IDEA （社區免費版已夠用）作為 Flink 應用程式的開發 IDE。Eclipse 雖然也可以，但是 Eclipse 在 Scala 和 Java 混合型項目下會有些已知問題，所以不太推薦 Eclipse。下一章節，我們會介紹如何創建一個 Flink 工程並將其導入 ItelliJ IDEA。
創建 Maven 項目
我們將使用 Flink Maven Archetype 來創建我們的項目結構和一些初始的默認依賴。在你的工作目錄下，運行如下命令來創建項目：

mvn archetype:generate   -DarchetypeGroupId=org.apache.flink   -DarchetypeArtifactId=flink-quickstart-java   -DarchetypeVersion=1.6.1   -DgroupId=my-flink-project   -DartifactId=my-flink-project   -Dversion=0.1   -Dpackage=myflink   -DinteractiveMode=false

你可以編輯上面的 groupId, artifactId, package 成你喜歡的路徑。使用上面的參數，Maven 將自動為你創建如下所示的項目結構：

$ tree my-flink-project  my-flink-project  ├── pom.xml  └── src      └── main          ├── java          │   └── myflink          │       ├── BatchJob.java          │       └── StreamingJob.java          └── resources              └── log4j.properties

我們的 pom.xml 文件已經包含了所需的 Flink 依賴，並且在 src/main/java 下有幾個示常式序框架。接下來我們將開始編寫第一個 Flink 程式。

啟動 IntelliJ IDEA，選擇 「Import Project」（導入項目），選擇 my-flink-project 根目錄下的 pom.xml。根據引導，完成項目導入。
在 src/main/java/myflink 下創建 SocketWindowWordCount.java 文件：

package myflink;    public class SocketWindowWordCount {        public static void main(String[] args) throws Exception {        }  }

現在這程式還很基礎，我們會一步步往裡面填程式碼。注意下文中我們不會將 import 語句也寫出來，因為 IDE 會自動將他們添加上去。在本節末尾，我會將完整的程式碼展示出來，如果你想跳過下面的步驟，可以直接將最後的完整程式碼粘到編輯器中。
Flink 程式的第一步是創建一個 StreamExecutionEnvironment 。這是一個入口類，可以用來設置參數和創建數據源以及提交任務。所以讓我們把它添加到 main 函數中：

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

下一步我們將創建一個從本地埠號 9000 的 socket 中讀取數據的數據源：

DataStream text = env.socketTextStream("localhost", 9000, "n");

這創建了一個字元串類型的 DataStream。DataStream 是 Flink 中做流處理的核心 API，上面定義了非常多常見的操作（如，過濾、轉換、聚合、窗口、關聯等）。在本示例中，我們感興趣的是每個單詞在特定時間窗口中出現的次數，比如說5秒窗口。為此，我們首先要將字元串數據解析成單詞和次數（使用Tuple2表示），第一個欄位是單詞，第二個欄位是次數，次數初始值都設置成了1。我們實現了一個 flatmap 來做解析的工作，因為一行數據中可能有多個單詞。

DataStream> wordCounts = text                  .flatMap(new FlatMapFunction>() {                      @Override                      public void flatMap(String value, Collector> out) {                          for (String word : value.split("\s")) {                              out.collect(Tuple2.of(word, 1));                          }                      }                  });

接著我們將數據流按照單詞欄位（即0號索引欄位）做分組，這裡可以簡單地使用 keyBy(int index) 方法，得到一個以單詞為 key 的Tuple2數據流。然後我們可以在流上指定想要的窗口，並根據窗口中的數據計算結果。在我們的例子中，我們想要每5秒聚合一次單詞數，每個窗口都是從零開始統計的：

DataStream> windowCounts = wordCounts                  .keyBy(0)                  .timeWindow(Time.seconds(5))                  .sum(1);

第二個調用的 .timeWindow() 指定我們想要5秒的翻滾窗口（Tumble）。第三個調用為每個key每個窗口指定了sum聚合函數，在我們的例子中是按照次數欄位（即1號索引欄位）相加。得到的結果數據流，將每5秒輸出一次這5秒內每個單詞出現的次數。
最後一件事就是將數據流列印到控制台，並開始執行：

windowCounts.print().setParallelism(1);  env.execute("Socket Window WordCount");

最後的 env.execute 調用是啟動實際Flink作業所必需的。所有運算元操作（例如創建源、聚合、列印）只是構建了內部運算元操作的圖形。只有在execute()被調用時才會在提交到集群上或本地電腦上執行。
下面是完整的程式碼，部分程式碼經過簡化：

package myflink;    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 SocketWindowWordCount {        public static void main(String[] args) throws Exception {            // 創建 execution environment          final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();            // 通過連接 socket 獲取輸入數據，這裡連接到本地9000埠，如果9000埠已被佔用，請換一個埠          DataStream text = env.socketTextStream("localhost", 9000, "n");            // 解析數據，按 word 分組，開窗，聚合          DataStream> windowCounts = text                  .flatMap(new FlatMapFunction>() {                      @Override                      public void flatMap(String value, Collector> out) {                          for (String word : value.split("\s")) {                              out.collect(Tuple2.of(word, 1));                          }                      }                  })                  .keyBy(0)                  .timeWindow(Time.seconds(5))                  .sum(1);            // 將結果列印到控制台，注意這裡使用的是單執行緒列印，而非多執行緒          windowCounts.print().setParallelism(1);            env.execute("Socket Window WordCount");      }  }

運行程式
要運行示常式序，首先我們在終端啟動 netcat 獲得輸入流：

nc -lk 9000

如果是 Windows 平台，可以通過 https://nmap.org/ncat/ 安裝 ncat 然後運行：

ncat -lk 9000

然後直接運行SocketWindowWordCount的 main 方法。
只需要在 netcat 控制台輸入單詞，就能在 SocketWindowWordCount 的輸出控制台看到每個單詞的詞頻統計。如果想看到大於1的計數，請在5秒內反覆鍵入相同的單詞。

關注微信公眾號《大數據技術進階》，從點到面，帶你了解大數據技術架構及應用 ！

Tags:

VirMach 便宜 VPS