Flink入門寶典（詳細截圖版）

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

這裏簡述安裝過程，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安裝這裏不作說明。

1、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是作Batch計算的，可是在2014年，StratoSphere裏面的核心成員孵化出Flink，同年將Flink捐贈Apache，並在後來成爲Apache的頂級大數據項目，同時Flink計算的主流方向被定位爲Streaming，即用流式計算來作全部大數據的計算，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,

將來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。

2、Flink開發環境搭建

首先要想運行Flink，咱們須要下載並解壓Flink的二進制包，下載地址以下：flink.apache.org/downloads.h…

咱們能夠選擇Flink與Scala結合版本，這裏咱們選擇最新的1.9版本Apache Flink 1.9.0 for Scala 2.12進行下載。

Flink在Windows和Linux下的安裝與部署能夠查看 Flink快速入門--安裝與示例運行，這裏演示windows版。

安裝成功後，啓動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/.
複製代碼

顯示啓動成功後，咱們在瀏覽器訪問 http://localhost:8081/能夠看到flink的管理頁面。

3、Flink快速體驗

請保證安裝好了flink，還須要Maven 3.0.4 和 Java 8 以上版本。這裏簡述Maven構建過程。

其餘詳細構建方法歡迎查看：快速構建第一個Flink工程

一、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
複製代碼

你能夠編輯本身的artifactId groupId

目錄結構以下：

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

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>
複製代碼

二、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));
			}
		}

	}
}

複製代碼

三、調試程序

安裝netcat工具進行簡單調試。

啓動netcat 輸入：

nc -l 9999
複製代碼

啓動程序

在netcat中輸入幾個單詞 逗號分隔

在程序一端查看結果

四、程序提交到Flink

啓動flink

windows爲 start-cluster.bat    linux爲start-cluster.sh
複製代碼

localhost:8081查看管理頁面

經過maven對代碼打包

將打好的包提交到flink上

查看log

tail -f log/flink-***-jobmanager.out
複製代碼

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

4、Flink 編程模型

Flink提供不一樣級別的抽象來開發流/批處理應用程序。

最低級抽象只提供有狀態流。

在實踐中，大多數應用程序不須要上述低級抽象，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。

咱們這裏只用到了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/建立原始數據

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

5、DataStreaming API使用

一、獲取execution environment

StreamExecutionEnvironment是全部Flink程序的基礎，獲取方法有：

getExecutionEnvironment()

createLocalEnvironment()

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

通常狀況下使用getExecutionEnvironment。若是你在IDE或者常規java程序中執行能夠經過createLocalEnvironment建立基於本地機器的StreamExecutionEnvironment。若是你已經建立jar程序但願經過invoke方式獲取裏面的getExecutionEnvironment方法可使用createRemoteEnvironment方式。

二、加載/建立原始數據

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)
複製代碼

（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)
複製代碼

三、轉化方法

（1）Map方式：DataStream -> DataStream

功能：拿到一個element並輸出一個element，相似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;
    }
});
複製代碼

（2）FlatMap方式：DataStream -> DataStream

功能：拿到一個element，輸出多個值，相似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);
        }
    }
});
複製代碼

（3）Filter方式：DataStream -> DataStream

功能：針對每一個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;
    }
});
複製代碼

（4）KeyBy方式：DataStream -> KeyedStream

功能：邏輯上將流分割成不相交的分區，每一個分區都是相同key的元素

舉例：

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

（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;
    }
});
複製代碼

（6）Aggregations方式：KeyedStream -> DataStream

功能：在keyed data stream中進行聚合操做

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");
複製代碼

（7）Window方式：KeyedStream -> WindowedStream

功能：在KeyedStream中進行使用，根據某個特徵針對每一個key用windows進行分組。

舉例：

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

（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
複製代碼

（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, ...);
複製代碼

（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;
    }
});
複製代碼

（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");
複製代碼

四、輸出數據

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

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：