入門教程 | 5分鐘從零構建第一個 Flink 應用

本文轉載自 Jark’s Blog ,做者伍翀(雲邪),Apache Flink Committer,阿里巴巴高級開發工程師。 本文將從開發環境準備、建立 Maven 項目,編寫 Flink 程序、運行程序等方面講述如何迅速搭建第一個 Flink 應用。 在本文中,咱們將從零開始,教您如何構建第一個 Flink 應用程序。java

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.xmaven 環境。apache

若是有 Java 8 環境,運行下面的命令會輸出以下版本信息:api

$ 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。
複製代碼

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:bash

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
複製代碼

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:多線程

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

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。框架

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。運維

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

package myflink;

public class SocketWindowWordCount {

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

  }
}
複製代碼

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。maven

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:編輯器

StreamExecutionEnvironment see = StreamExecutionEnvironment.getExecutionEnvironment();
複製代碼

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<String> text = env.socketTextStream("localhost", 9000, "\n");
複製代碼

這建立了一個字符串類型的 DataStreamDataStream 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,由於一行數據中可能有多個單詞。

DataStream<Tuple2<String, Integer>> wordCounts = 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));
            }
          }
        });
複製代碼

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<Tuple2<String, Integer>> windowCounts = wordCounts
        .keyBy(0)
        .timeWindow(Time.seconds(5))
        .sum(1);
複製代碼

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");
複製代碼

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
    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<String> text = env.socketTextStream("localhost", 9000, "\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");
  }
}
複製代碼

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
複製代碼

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

ncat -lk 9000
複製代碼

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。

Cheers ! 🎉

  • The End-

Apache Flink 入門教程將長期連載更新,除文章外,社區每週也經過直播的形式系統輸出 Apache Flink 從基礎、進階、運維、實戰四個部分的內容。

進階課程 主題:《Flink Time 深度解析》 講師:崔星燦(Apache Flink Committer,加拿大約克大學博士後) 直播:5月21日 20:00-21:00 週二晚上20:00,Apache Flink China社區大羣(釘釘羣號:21789141)一塊兒圍觀崔老師關於 Flink Time 的深度解析,往期直播視頻請點擊回顧

相關文章
相關標籤/搜索