5 分鐘從零構建第一個 Apache Flink 應用

在本文中，咱們將從零開始，教您如何構建第一個Apache Flink （如下簡稱Flink）應用程序。

一、開發環境準備

Flink 能夠運行在 Linux, Max OS X, 或者是 Windows 上。爲了開發 Flink 應用程序，在本地機器上須要有 Java 8.x 和 maven 環境。

若是有 Java 8 環境，運行下面的命令會輸出以下版本信息：

$ 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)

若是有 maven 環境，運行下面的命令會輸出以下版本信息：

$ 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"

另外咱們推薦使用 ItelliJ IDEA （社區免費版已夠用）做爲 Flink 應用程序的開發 IDE。Eclipse 雖然也能夠，可是 Eclipse 在 Scala 和 Java 混合型項目下會有些已知問題，因此不太推薦 Eclipse。下一章節，咱們會介紹如何建立一個 Flink 工程並將其導入 ItelliJ IDEA。

二、編寫 Flink 程序

啓動 IntelliJ IDEA，選擇 「Import Project」（導入項目），選擇 my-flink-project 根目錄下的 pom.xml。根據引導，完成項目導入。

在 src/main/java/myflink 下建立 SocketWindowWordCount.java 文件：

package myflink;

public class SocketWindowWordCount {

    public static void main(String[] args) throws Exception {

    }
}

如今這程序還很基礎，咱們會一步步往裏面填代碼。注意下文中咱們不會將 import 語句也寫出來，由於 IDE 會自動將他們添加上去。在本節末尾，我會將完整的代碼展現出來，若是你想跳過下面的步驟，能夠直接將最後的完整代碼粘到編輯器中。

Flink 程序的第一步是建立一個 StreamExecutionEnvironment 。這是一個入口類，能夠用來設置參數和建立數據源以及提交任務。因此讓咱們把它添加到 main 函數中：

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

下一步咱們將建立一個從本地端口號 9000 的 socket 中讀取數據的數據源：

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

這建立了一個字符串類型的 DataStream。DataStream 是 Flink 中作流處理的核心 API，上面定義了很是多常見的操做（如，過濾、轉換、聚合、窗口、關聯等）。在本示例中，咱們感興趣的是每一個單詞在特定時間窗口中出現的次數，好比說5秒窗口。爲此，咱們首先要將字符串數據解析成單詞和次數（使用Tuple2<String, Integer>表示），第一個字段是單詞，第二個字段是次數，次數初始值都設置成了1。咱們實現了一個 flatmap 來作解析的工做，由於一行數據中可能有多個單詞。

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));
                        }
                    }
                });

接着咱們將數據流按照單詞字段（即0號索引字段）作分組，這裏能夠簡單地使用 keyBy(int index) 方法，獲得一個以單詞爲 key 的Tuple2<String, Integer>數據流。而後咱們能夠在流上指定想要的窗口，並根據窗口中的數據計算結果。在咱們的例子中，咱們想要每5秒聚合一次單詞數，每一個窗口都是從零開始統計的：

DataStream> windowCounts = wordCounts
                .keyBy(0)
                .timeWindow(Time.seconds(5))
                .sum(1);

第二個調用的 .timeWindow() 指定咱們想要5秒的翻滾窗口（Tumble）。第三個調用爲每一個key每一個窗口指定了sum聚合函數，在咱們的例子中是按照次數字段（即1號索引字段）相加。獲得的結果數據流，將每5秒輸出一次這5秒內每一個單詞出現的次數。

最後一件事就是將數據流打印到控制檯，並開始執行：

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

最後的 env.execute 調用是啓動實際Flink做業所必需的。全部算子操做（例如建立源、聚合、打印）只是構建了內部算子操做的圖形。只有在execute()被調用時纔會在提交到集羣上或本地計算機上執行。

下面是完整的代碼，部分代碼通過簡化（代碼在 GitHub 上也能訪問到）：

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 {

		// 建立 execution environment
		StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

		// 經過鏈接 socket 獲取輸入數據，這裏鏈接到本地9876端口，若是9876端口已被佔用，請換一個端口
		DataStream<String> text = env.socketTextStream("localhost", 9876, "\n");

		// 解析數據，按 word 分組，開窗，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);

		// 將結果打印到控制檯，注意這裏使用的是單線程打印，而非多線程
		windowCounts.print().setParallelism(1);
		env.execute("Socket Window WordCount");
	}
}

三、運行程序

要運行示例程序，首先咱們在終端啓動 netcat 得到輸入流：

nc -lk 9000

若是是 Windows 平臺，能夠經過 https://nmap.org/ncat/ 安裝 ncat 而後運行：

ncat -lk 9000

而後直接運行SocketWindowWordCount的 main 方法。

只須要在 netcat 控制檯輸入單詞，就能在 SocketWindowWordCount 的輸出控制檯看到每一個單詞的詞頻統計。若是想看到大於1的計數，請在5秒內反覆鍵入相同的單詞。

我這裏寫了個簡單的 tcp_server.py 模擬上述手動 nc 操做，你們能夠持續觀察 flink 窗口統計結果正確性：

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()#獲取本地主機名
tcpServerSocket.bind((host, port))
tcpServerSocket.listen(2)  # 代辦事件中排隊等待connect的最大數目


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是該connection上能夠發送和接收數據的新套接字對象, addr是與connection另外一端的套接字綁定的地址
    sck, addr = tcpServerSocket.accept()
    print('客戶端鏈接地址：', 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零基礎入門

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

[2] docker-compose 容器快速支持 Flink SQL 編程實踐

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

[3] 5分鐘從零構建第一個 Apache Flink 應用

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

[4] Flink 1.9 實戰：使用 SQL 讀取 Kafka 並寫入 MySQL

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