五分钟构建apache Flink

蔚落 2022-04-11 11:23 178阅读 0赞

在本文中，我们将从零开始，教您如何构建第一个 `Flink` 应用程序。

开发环境准备  
Flink 可以运行在 `Linux, Max OS X, 或者是 Windows 上`。为了开发 `Flink` 应用程序，在本地机器上需要有 `Java 8.x 和 maven` 环境。

如果有 Java 8 环境，运行下面的命令会输出如下版本信息：

$ java -version
    java 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 环境，运行下面的命令会输出如下版本信息：

$ 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"

另外我们推荐使用 `ItelliJ IDEA （社区免费版已够用）`作为 `Flink` 应用程序的开发 `IDE`。`Eclipse` 虽然也可以，但是 `Eclipse 在 Scala 和 Java` 混合型项目下会有些已知问题，所以不太推荐 `Eclipse`。下一章节，我们会介绍如何创建一个 `Flink` 工程并将其导入 `ItelliJ IDEA。`

创建 Maven 项目  
我们将使用 `Flink Maven Archetype` 来创建我们的项目结构和一些初始的默认依赖。在你的工作目录下，运行如下命令来创建项目：

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

你可以编辑上面的 `groupId、artifactId、package` 成你喜欢的路径。使用上面的参数，`Maven` 将自动为你创建如下所示的项目结构：

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

我们的 `pom.xml` 文件已经包含了所需的 Flink 依赖，并且在 `src/main/java` 下有几个示例程序框架。接下来我们将开始编写第一个 Flink 程序。

编写 `Flink` 程序  
启动 `IntelliJ IDEA`，选择 `“Import Project”（导入项目）`，选择 `my-flink-project` 根目录下的 `pom.xml`。根据引导，完成项目导入。

在 `src/main/java/myflink` 下创建 `SocketWindowWordCount.java` 文件：

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

现在这程序还很基础，我们会一步步往里面填代码。注意下文中我们不会将 `import` 语句也写出来，因为 IDE 会自动将他们添加上去。在本节末尾，我会将完整的代码展示出来，如果你想跳过下面的步骤，可以直接将最后的完整代码粘到编辑器中。

Flink 程序的第一步是创建一个 `StreamExecutionEnvironment 。`这是一个入口类，可以用来设置参数和创建数据源以及提交任务。所以让我们把它添加到 `main` 函数中：

StreamExecutionEnvironment see = StreamExecutionEnvironment.getExecutionEnvironment();

下一步我们将创建一个从本地端口号 `9000 的 socket` 中读取数据的数据源：

DataStream<String> text = env.socketTextStream("localhost", 9000, "\n");

这创建了一个字符串类型的 `DataStream。DataStream` 是 Flink 中做流处理的核心 API，上面定义了非常多常见的操作（如，过滤、转换、聚合、窗口、关联等）。在本示例中，我们感兴趣的是每个单词在特定时间窗口中出现的次数，比如说5秒窗口。为此，我们首先要将字符串数据解析成单词和次数`（使用Tuple2<String, Integer>表示）`，第一个字段是单词，第二个字段是次数，次数初始值都设置成了1。我们实现了一个 flatmap 来做解析的工作，因为一行数据中可能有多个单词。

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

接着我们将数据流按照单词字段（即0号索引字段）做分组，这里可以简单地使用 `keyBy(int index)` 方法，得到一个以单词为 key 的`Tuple2<String, Integer>`数据流。然后我们可以在流上指定想要的窗口，并根据窗口中的数据计算结果。在我们的例子中，我们想要每5秒聚合一次单词数，每个窗口都是从零开始统计的：。

DataStream<Tuple2<String, Integer>> windowCounts = wordCounts
            .keyBy(0)
            .timeWindow(Time.seconds(5))
            .sum(1);

第二个调用的 `.timeWindow()` 指定我们想要5秒的翻滚窗口`（Tumble）`。第三个调用为每个key每个窗口指定了sum聚合函数，在我们的例子中是按照次数字段（即1号索引字段）相加。得到的结果数据流，将每5秒输出一次这5秒内每个单词出现的次数。

最后一件事就是将数据流打印到控制台，并开始执行：

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

最后的 `env.execute` 调用是启动实际Flink作业所必需的。所有算子操作（例如创建源、聚合、打印）只是构建了内部算子操作的图形。只有在`execute()`被调用时才会在提交到集群上或本地计算机上执行。

下面是完整的代码，部分代码经过简化：

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 {
      
        // 创建 execution environment
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        
        // 通过连接 socket 获取输入数据，这里连接到本地9000端口，如果9000端口已被占用，请换一个端口
      
        DataStream<String> text = env.socketTextStream("localhost", 9000, "\n");
        
        // 解析数据，按 word 分组，开窗，聚合
        DataStream<Tuple2<String, Integer>> windowCounts = text
            .flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
              @Override
              public void flatMap(String value, Collector<Tuple2<String, Integer>> out) {
                for (String word : value.split("\\s")) {
                  out.collect(Tuple2.of(word, 1));
                }
              }
            })
            .keyBy(0)
            .timeWindow(Time.seconds(5))
            .sum(1);
            
        // 将结果打印到控制台，注意这里使用的是单线程打印，而非多线程
        windowCounts.print().setParallelism(1);
        
        env.execute("Socket Window WordCount");
      }
    }

运行程序  
要运行示例程序，首先我们在终端启动 netcat 获得输入流：

nc -lk 9000

如果是 `Windows` 平台，可以通过 `https://nmap.org/ncat/` 安装 ncat 然后运行：

ncat -lk 9000

然后直接运行`SocketWindowWordCount的 main 方法`。

只需要在 `netcat` 控制台输入单词，就能在 `SocketWindowWordCount` 的输出控制台看到每个单词的词频统计。如果想看到大于1的计数，请在5秒内反复键入相同的单词。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNDQ3MzAx_size_16_color_FFFFFF_t_70]《参考：[http://wuchong.me/blog/2018/11/07/5-minutes-build-first-flink-application/》][http_wuchong.me_blog_2018_11_07_5-minutes-build-first-flink-application]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNDQ3MzAx_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20181205231241205.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNDQ3MzAx,size_16,color_FFFFFF,t_70
[http_wuchong.me_blog_2018_11_07_5-minutes-build-first-flink-application]: http://wuchong.me/blog/2018/11/07/5-minutes-build-first-flink-application/%E3%80%8B