文档章节

5 分钟从零构建第一个 Apache Flink 应用

大数据之路
 大数据之路
发布于 2013/06/25 22:08
字数 1750
阅读 13345
收藏 80

在本文中,我们将从零开始,教您如何构建第一个Apache Flink (以下简称Flink)应用程序。

1、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。

2、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 env = 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 text = env.socketTextStream("localhost", 9000, "\n");

这创建了一个字符串类型的 DataStreamDataStream 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> 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> 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(代码在 GitHub 上也能访问到):

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
		StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

		// 通过连接 socket 获取输入数据,这里连接到本地9876端口,如果9876端口已被占用,请换一个端口
		DataStream<String> text = env.socketTextStream("localhost", 9876, "\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");
	}
}

3、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。

我这里写了个简单的 tcp_server.py 模拟上述手动 nc 操作,大家可以持续观察 flink 窗口统计结果正确性:

import socket
import string
import random
import time
import datetime
import os
from collections import Counter

tcpServerSocket = socket.socket()
host, port = "localhost", 9876  # host = socket.gethostname()#获取本地主机名
tcpServerSocket.bind((host, port))
tcpServerSocket.listen(2)  # 代办事件中排队等待connect的最大数目


def sleep_some_time(start_time):
    end_time = datetime.datetime.now()
    rest_time = 5 - (end_time-start_time).seconds
    sleep_time = rest_time if 0 <= rest_time <= 5 else 0
    time.sleep(sleep_time)


while True:
    #sck是该connection上可以发送和接收数据的新套接字对象, addr是与connection另一端的套接字绑定的地址
    sck, addr = tcpServerSocket.accept()
    print('客户端连接地址:', addr)
    print_flag = 0

    while 1:
        start_time = datetime.datetime.now()
        window_cycle_count = 1
        ascii_lowercase_list = []
        print_flag += 1

        if print_flag % 2 == 0:
            sck.send(("-------------------------------" + "\n").encode())
            sleep_some_time(start_time)
            continue

        print(">>> " + start_time.strftime('%Y-%m-%d %H:%M:%S'))
        while window_cycle_count < 6:
            for _ in range(random.choice(range(6))):
                ascii_lowercase = random.choice(string.ascii_lowercase[0:10])
                sck.send((ascii_lowercase + "\n").encode())
                ascii_lowercase_list.append(ascii_lowercase)
            window_cycle_count += 1
        print(Counter(ascii_lowercase_list))
        sleep_some_time(start_time)
        print("<<<<<< " + datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + "\n")

【全文完】

Refer:

[1] Apache Flink零基础入门

https://www.infoq.cn/theme/28

[2] docker-compose 容器快速支持 Flink SQL 编程实践

https://www.infoq.cn/article/LsmqfCY-2BUkBwf2VSIP

[3] 5分钟从零构建第一个 Apache Flink 应用

https://ververica.cn/developers/build-from-zero/

[4] Flink 1.9 实战:使用 SQL 读取 Kafka 并写入 MySQL

https://mp.weixin.qq.com/s/GAFi7KgSHvhzpuH_YhU5jg

 

本文转载自:https://zh.ververica.com/developers/build-from-zero/

大数据之路
粉丝 1605
博文 515
码字总数 332934
作品 0
武汉
架构师
私信 提问
加载中

评论(3)

颜可
颜可
我也要学习楼主这种精神!
heeee
heeee
必须赞一个
乘着风的翅膀
乘着风的翅膀
很强悍,学习ing2
Apache Flink China Meetup·深圳站 - 计算之美,何止于快

就在去年8月26日,Flink China主办了Flink深圳站线下主题沙龙,当时很多人的反应是:Flink是什么? Flink真的这么牛?这和我(业务)有啥关系? 因为不了解Flink,一些在深圳的技术人没有报名...

Flink_China
03/29
121
0
5分钟从零构建第一个 Apache Flink 应用

作者:伍翀 在本文中,我们将从零开始,教您如何构建第一个Apache Flink (以下简称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 ...

Ververica
05/07
0
0
【apache flink forward china 2018】中国一线公司上万台Flink机器应运

).阿里巴巴,腾讯,美团,爱奇艺,字节跳动(抖音,头条),等一线公司上万台flink机器应用 ).一线公司已升级大数据计算引擎Flink ).公布阿里巴巴将于2019年1月左右推出阿里的flink版本批流一...

thinktothings
2018/12/21
0
0
《从0到1学习Flink》—— Flink Data transformation(转换)

前言 在第一篇介绍 Flink 的文章 《《从0到1学习Flink》—— Apache Flink 介绍》 中就说过 Flink 程序的结构 Flink 应用程序结构就是如上图所示: 1、Source: 数据源,Flink 在流处理和批处...

火力全開
03/18
36
0
Flink从入门到放弃(入门篇2)-本地环境搭建&构建第一个Flink应用

戳更多文章: 1-Flink入门 2-本地环境搭建&构建第一个Flink应用 3-DataSet API 4-DataSteam API 5-集群部署 6-分布式缓存 7-重启策略 8-Flink中的窗口 9-Flink中的Time Flink时间戳和水印 Br...

王知无
05/11
0
0

没有更多内容

加载失败,请刷新页面

加载更多

SpringBoot-MVC RequestBody中LocalDateTime的自适应配置

请求的json报文中可能会出现 一下几种: ['2019-01-01','2019-01-01 12:03:34','20190101120334'] 但是接收的Request实体类日期字段是LocalDateTime类型 LocalDateTime applyDate; 希望的情况......

汉堡OSC
27分钟前
5
0
小招喵所在的国家正处于怪兽入侵的战场中,这个国家一共有n+1个城市

import java.util.Arrays; import java.util.Scanner; public class test3 { public static long max=0;public static void main(String[] args) { Scanner sc = new Scanner(System.i......

南桥北木
28分钟前
4
0
活动策划思维导图模板分享,怎样绘制思维导图操作方法介绍

对于一场活动的举办可以事先使用思维导图简略的将整个过程进行总结归纳使用,这样清晰的思维导图即利于工作的进行,也可以清晰明了了熟悉整个过程,下面是为大家分享的几款活动策划思维导图模...

干货趣分享
35分钟前
5
0
Android高级xml布局之输入框EditText设计

今天给大家介绍一下如何实现一款简约时尚的安卓登陆界面。大家先看一下效果图 当用户输入时动态出现删除按钮 现在先罗列一下技术点: 1.如何使用圆角输入框和按钮背景 2.如何实现“手机号”、...

shzwork
59分钟前
4
0
RxJava进行单元测试的方式

@Test public void completeTask_retrievedTaskIsComplete() { // Given a new task in the persistent repository final Task newTask = new Task(TITLE, ""); ......

SuShine
今天
5
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部