Apache Flink 入門示例demo

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。

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 -versionjava 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。
建立 Maven 項目
咱們將使用 Flink Maven Archetype 來建立咱們的項目結構和一些初始的默認依賴。在你的工做目錄下，運行以下命令來建立項目：

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

你能夠編輯上面的 groupId, artifactId, package 成你喜歡的路徑。使用上面的參數，Maven 將自動爲你建立以下所示的項目結構：

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

咱們的 pom.xml 文件已經包含了所需的 Flink 依賴，而且在 src/main/java 下有幾個示例程序框架。接下來咱們將開始編寫第一個 Flink 程序。

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：

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
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        // 經過鏈接 socket 獲取輸入數據，這裏鏈接到本地9000端口，若是9000端口已被佔用，請換一個端口
        DataStream text = env.socketTextStream("localhost", 9000, "\n");

        // 解析數據，按 word 分組，開窗，聚合
        DataStream> windowCounts = text
                .flatMap(new FlatMapFunction>() {
                    @Override
                    public void flatMap(String value, Collector> 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");
    }
}

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。

關注微信公衆號《大數據技術進階》，從點到面，帶你瞭解大數據技術架構及應用 ！