Flink入門寶典（詳細截圖版）

来源:https://www.cnblogs.com/tree1123/archive/2019/09/18/11539955.html
-Advertisement-
Play Games

本文基於java構建Flink1.9版本入門程式，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式，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 Fl ...


file
本文基於java構建Flink1.9版本入門程式，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式，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裡面的核心成員孵化出Flink，同年將Flink捐贈Apache，併在後來成為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開始阿裡開始介入flink 負責對資源調度和流式sql的優化，成立了阿裡內部版本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，併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的二進位包，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命令行視窗，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、調試程式

安裝netcat工具進行簡單調試。

啟動netcat 輸入：

nc -l 9999

啟動程式

file

在netcat中輸入幾個單詞 逗號分隔

file

在程式一端查看結果

file

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

Flink提供不同級別的抽象來開發流/批處理應用程式。

file

最低級抽象只提供有狀態流。

在實踐中，大多數應用程式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聲明瞭一個表，遵循關係模型。

最高級抽象是SQL。

我們這裡只用到了DataStream API。

Flink程式的基本構建塊是流和轉換。

一個程式的基本構成：

l 獲取execution environment

l 載入/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 觸發程式執行

file

五、DataStreaming API使用

1、獲取execution environment

StreamExecutionEnvironment是所有Flink程式的基礎，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程式中執行可以通過createLocalEnvironment創建基於本地機器的StreamExecutionEnvironment。如果你已經創建jar程式希望通過invoke方式獲取裡面的getExecutionEnvironment方法可以使用createRemoteEnvironment方式。

2、載入/創建原始數據

StreamExecutionEnvironment提供的一些訪問數據源的介面

（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，根據某個特征針對每個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中根據某個特征進行分組。

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，歡迎關註實時流式計算：

file


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • Redis自動化安裝以及集群實現
    Redis實例安裝 安裝說明：自動解壓縮安裝包，按照指定路徑編譯安裝，複製配置文件模板到Redis實例路的數據徑下，根據埠號修改配置文件模板 配置文件，當前shell腳本，安裝包 參數1：basedir,redis安裝包路徑 參數2：安裝實例路徑 參數3：安裝包名稱 參數4：安裝實例的埠號 #! ...
  • centos7放行1521埠
    [root@localhost ~]# firewall-cmd --zone=public --add-port=1521/tcp --permanent success [root@localhost ~]# firewall-cmd --reload success ...
  • Spark學習筆記3——RDD（下）
    Spark 的 RDD 學習第二節，筆記相關： 1.如何向 Spark 傳遞函數 2.Spark 常用的一些轉化和行動操作 3.Spark 的持久化級別 ...
  • 〈一〉ElasticSearch的介紹
    [toc] 發表日期：2019年9月18日 什麼是ElasticSearch ElasticSearch是一個集 數據存儲 、 數據搜索 和 數據分析 為一體的系統。它是分散式的，所以能利用分散式來提高其處理能力，具有高可用性和高伸縮性。如果你需要一個能夠提供高性能的搜索服務的系統，那麼它或許是一個 ...
  • 資料庫基礎 關係數據模型
    概敘 關係資料庫的基本特征是使用關係模型的組織數據，20世紀80年代以後，在商用DBMS中，關係模型逐步取代早期的網狀模型和層次模型。 關係數據模型 作為數據模型，關係模型包含三個組成要素：關係數據結構、關係操作集合和關係完整性約束。 關係數據結構 重點 結構只包含單一的數據結構（關係），現實世界的 ...
  • NUMA導致的MySQL伺服器SWAP問題分析
    【作者】 王棟：攜程技術保障中心資料庫專家，對資料庫疑難問題的排查和資料庫自動化智能化運維工具的開發有強烈的興趣。 【問題描述】 我們知道當mysqld進程使用到SWAP時，就會嚴重影響到MySQL的性能。SWAP的問題比較複雜，本文會從SWAP的原理開始，分享我們碰到的案例和分析思路。 【SWAP ...
  • 使用 docker-compose 運行 MySQL
    目錄結構 mysql 目錄下的 data 為數據目錄，mysql 的數據表、二進位日誌文件就在這裡。.env 文件包含了一些變數，這些變數可以在 docker compose.yml 文件中通過 ${variable_name} 來引用。 當然也可以把 mysql 的目錄放到其它地方，這裡圖個方便， ...
  • 資料庫事務ACID特性(原子性、一致性、隔離性、持久性)
    ACID特性： 原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability） 原子性：一個事務必須被視為一個不可分割的最小工作單元，整個事務中的所有操作要麼全部提交成功，要麼全部失敗回滾，事務要麼成功(可見)，要麼失敗(不可見)，不存在 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類