Flink入門寶典（詳細截圖版）

2019 年 10 月 3 日
筆記

file
本文基於java構建Flink1.9版本入門程序，需要Maven 3.0.4 和 Java 8 以上版本。需要安裝Netcat進行簡單調試。

這裡簡述安裝過程，並使用IDEA進行開發一個簡單流處理程序，本地調試或者提交到Flink上運行，Maven與JDK安裝這裡不做說明。

一、Flink簡介

Flink誕生於歐洲的一個大數據研究項目StratoSphere。該項目是柏林工業大學的一個研究性項目。早期，Flink是做Batch計算的，但是在2014年，StratoSphere裏面的核心成員孵化出Flink，同年將Flink捐贈Apache，並在後來成為Apache的頂級大數據項目，同時Flink計算的主流方向被定位為Streaming，即用流式計算來做所有大數據的計算，這就是Flink技術誕生的背景。

2015開始阿里開始介入flink 負責對資源調度和流式sql的優化，成立了阿里內部版本blink在最近更新的1.9版本中,blink開始合併入flink,

未來flink也將支持java,scala,python等更多語言，並在機器學習領域施展拳腳。

二、Flink開發環境搭建

首先要想運行Flink，我們需要下載並解壓Flink的二進制包，下載地址如下：https://flink.apache.org/downloads.html

我們可以選擇Flink與Scala結合版本，這裡我們選擇最新的1.9版本Apache Flink 1.9.0 for Scala 2.12進行下載。

Flink在Windows和Linux下的安裝與部署可以查看 Flink快速入門–安裝與示例運行，這裡演示windows版。

安裝成功後，啟動cmd命令行窗口，進入flink文件夾，運行bin目錄下的start-cluster.bat

$ cd flink  $ cd bin  $ start-cluster.bat  Starting a local cluster with one JobManager process and one TaskManager process.  You can terminate the processes via CTRL-C in the spawned shell windows.  Web interface by default on http://localhost:8081/.

顯示啟動成功後，我們在瀏覽器訪問 http://localhost:8081/可以看到flink的管理頁面。

file

三、Flink快速體驗

請保證安裝好了flink，還需要Maven 3.0.4 和 Java 8 以上版本。這裡簡述Maven構建過程。

其他詳細構建方法歡迎查看：快速構建第一個Flink工程

1、搭建Maven工程

使用Flink Maven Archetype構建一個工程。

 $ mvn archetype:generate                                       -DarchetypeGroupId=org.apache.flink                      -DarchetypeArtifactId=flink-quickstart-java              -DarchetypeVersion=1.9.0

你可以編輯自己的artifactId groupId

目錄結構如下：

$ tree quickstart/  quickstart/  ├── pom.xml  └── src      └── main          ├── java          │   └── org          │       └── myorg          │           └── quickstart          │               ├── BatchJob.java          │               └── StreamingJob.java          └── resources              └── log4j.properties

在pom中核心依賴：

<dependencies>      <dependency>          <groupId>org.apache.flink</groupId>          <artifactId>flink-java</artifactId>          <version>${flink.version}</version>      </dependency>      <dependency>          <groupId>org.apache.flink</groupId>          <artifactId>flink-streaming-java_2.11</artifactId>          <version>${flink.version}</version>      </dependency>      <dependency>          <groupId>org.apache.flink</groupId>          <artifactId>flink-clients_2.11</artifactId>          <version>${flink.version}</version>      </dependency>  </dependencies>

2、編寫代碼

StreamingJob

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 StreamingJob {        public static void main(String[] args) throws Exception {          final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();          DataStream<Tuple2<String, Integer>> dataStreaming = env                  .socketTextStream("localhost", 9999)                  .flatMap(new Splitter())                  .keyBy(0)                  .timeWindow(Time.seconds(5))                  .sum(1);            dataStreaming.print();            // execute program          env.execute("Flink Streaming Java API Skeleton");      }      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));              }          }        }  }

3、調試程序

安裝netcat工具進行簡單調試。

啟動netcat 輸入：

nc -l 9999

啟動程序

file

在netcat中輸入幾個單詞逗號分隔

file

在程序一端查看結果

file

4、程序提交到Flink

啟動flink

windows為 start-cluster.bat    linux為start-cluster.sh

localhost:8081查看管理頁面

file

通過maven對代碼打包

file

將打好的包提交到flink上

file

查看log

tail -f log/flink-***-jobmanager.out

在netcat中繼續輸入單詞，在Running Jobs中查看作業狀態，在log中查看輸出。

file

四、Flink 編程模型

Flink提供不同級別的抽象來開發流/批處理應用程序。

file

最低級抽象只提供有狀態流。

在實踐中，大多數應用程序不需要上述低級抽象，而是針對Core API編程，如DataStream API（有界/無界流）和DataSet API（有界數據集）。

Table Api聲明了一個表，遵循關係模型。

最高級抽象是SQL。

我們這裡只用到了DataStream API。

Flink程序的基本構建塊是流和轉換。

一個程序的基本構成：

l 獲取execution environment

l 加載/創建原始數據

l 指定這些數據的轉化方法

l 指定計算結果的存放位置

l 觸發程序執行

file

五、DataStreaming API使用

1、獲取execution environment

StreamExecutionEnvironment是所有Flink程序的基礎，獲取方法有：

getExecutionEnvironment()

createLocalEnvironment()

createRemoteEnvironment(String host, int port, String … jarFiles)

一般情況下使用getExecutionEnvironment。如果你在IDE或者常規java程序中執行可以通過createLocalEnvironment創建基於本地機器的StreamExecutionEnvironment。如果你已經創建jar程序希望通過invoke方式獲取裏面的getExecutionEnvironment方法可以使用createRemoteEnvironment方式。

2、加載/創建原始數據

StreamExecutionEnvironment提供的一些訪問數據源的接口

（1）基於文件的數據源

readTextFile(path)  readFile(fileInputFormat, path)  readFile(fileInputFormat, path, watchType, interval, pathFilter, typeInfo)

（2）基於Socket的數據源（本文使用的）

l socketTextStream

（3）基於Collection的數據源

fromCollection(Collection)  fromCollection(Iterator, Class)  fromElements(T ...)  fromParallelCollection(SplittableIterator, Class)  generateSequence(from, to)

3、轉化方法

（1）Map方式：DataStream -> DataStream

功能：拿到一個element並輸出一個element，類似Hive中的UDF函數

舉例：

DataStream<Integer> dataStream = //...  dataStream.map(new MapFunction<Integer, Integer>() {      @Override      public Integer map(Integer value) throws Exception {          return 2 * value;      }  });

（2）FlatMap方式：DataStream -> DataStream

功能：拿到一個element，輸出多個值，類似Hive中的UDTF函數

舉例：

dataStream.flatMap(new FlatMapFunction<String, String>() {      @Override      public void flatMap(String value, Collector<String> out)          throws Exception {          for(String word: value.split(" ")){              out.collect(word);          }      }  });

（3）Filter方式：DataStream -> DataStream

功能：針對每個element判斷函數是否返回true，最後只保留返回true的element

舉例：

dataStream.filter(new FilterFunction<Integer>() {      @Override      public boolean filter(Integer value) throws Exception {          return value != 0;      }  });

（4）KeyBy方式：DataStream -> KeyedStream

功能：邏輯上將流分割成不相交的分區，每個分區都是相同key的元素

舉例：

dataStream.keyBy("someKey") // Key by field "someKey"  dataStream.keyBy(0) // Key by the first element of a Tuple

（5）Reduce方式：KeyedStream -> DataStream

功能：在keyed data stream中進行輪訓reduce。

舉例：

keyedStream.reduce(new ReduceFunction<Integer>() {      @Override      public Integer reduce(Integer value1, Integer value2)      throws Exception {          return value1 + value2;      }  });

（6）Aggregations方式：KeyedStream -> DataStream

功能：在keyed data stream中進行聚合操作

舉例：

keyedStream.sum(0);  keyedStream.sum("key");  keyedStream.min(0);  keyedStream.min("key");  keyedStream.max(0);  keyedStream.max("key");  keyedStream.minBy(0);  keyedStream.minBy("key");  keyedStream.maxBy(0);  keyedStream.maxBy("key");

（7）Window方式：KeyedStream -> WindowedStream

功能：在KeyedStream中進行使用，根據某個特徵針對每個key用windows進行分組。

舉例：

dataStream.keyBy(0).window(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data

（8）WindowAll方式：DataStream -> AllWindowedStream

功能：在DataStream中根據某個特徵進行分組。

舉例：

dataStream.windowAll(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data

（9）Union方式：DataStream* -> DataStream

功能：合併多個數據流成一個新的數據流

舉例：

dataStream.union(otherStream1, otherStream2, ...);

（10）Split方式：DataStream -> SplitStream

功能：將流分割成多個流

舉例：

SplitStream<Integer> split = someDataStream.split(new OutputSelector<Integer>() {      @Override      public Iterable<String> select(Integer value) {          List<String> output = new ArrayList<String>();          if (value % 2 == 0) {              output.add("even");          }          else {              output.add("odd");          }          return output;      }  });

（11）Select方式：SplitStream -> DataStream

功能：從split stream中選擇一個流

舉例：

SplitStream<Integer> split;  DataStream<Integer> even = split.select("even");  DataStream<Integer> odd = split.select("odd");  DataStream<Integer> all = split.select("even","odd");

4、輸出數據

writeAsText()  writeAsCsv(...)  print() / printToErr()  writeUsingOutputFormat() / FileOutputFormat  writeToSocket  addSink

更多Flink相關原理：

穿梭時空的實時計算框架——Flink對時間的處理

大數據實時處理的王者-Flink

統一批處理流處理——Flink批流一體實現原理

Flink快速入門–安裝與示例運行

快速構建第一個Flink工程

更多實時計算,Flink,Kafka等相關技術博文，歡迎關注實時流式計算：

file