Flink入門寶典（詳細截圖版）-有解無憂

file
本文基于java構建Flink1.9版本入門程式，需要Maven 3.0.4 和 Java 8 以上版本，需要安裝Netcat進行簡單除錯，

這里簡述安裝程序，并使用IDEA進行開發一個簡單流處理程式，本地除錯或者提交到Flink上運行，Maven與JDK安裝這里不做說明，

一、Flink簡介

Flink誕生于歐洲的一個大資料研究專案StratoSphere，該專案是柏林工業大學的一個研究性專案，早期，Flink是做Batch計算的，但是在2014年，StratoSphere里面的核心成員范訓出Flink，同年將Flink捐贈Apache，并在后來成為Apache的頂級大資料專案，同時Flink計算的主流方向被定位為Streaming，即用流式計算來做所有大資料的計算，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開始合并入flink,

未來flink也將支持java,scala,python等更多語言，并在機器學習領域施展拳腳，

二、Flink開發環境搭建

首先要想運行Flink，我們需要下載并解壓Flink的二進制包，下載地址如下：https://flink.apache.org/downloads.html

我們可以選擇Flink與Scala結合版本，這里我們選擇最新的1.9版本Apache Flink 1.9.0 for Scala 2.12進行下載，

Flink在Windows和Linux下的安裝與部署可以查看 Flink快速入門--安裝與示例運行，這里演示windows版，

安裝成功后，啟動cmd命令列視窗，進入flink檔案夾，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/.

顯示啟動成功后，我們在瀏覽器訪問 http://localhost:8081/可以看到flink的管理頁面，

file

三、Flink快速體驗

請保證安裝好了flink，還需要Maven 3.0.4 和 Java 8 以上版本，這里簡述Maven構建程序，

其他詳細構建方法歡迎查看：快速構建第一個Flink工程

1、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

你可以編輯自己的artifactId groupId

目錄結構如下：

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

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>

2、撰寫代碼

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));
			}
		}

	}
}

3、除錯程式

安裝netcat工具進行簡單除錯，

啟動netcat 輸入：

nc -l 9999

啟動程式

file

在netcat中輸入幾個單詞逗號分隔

file

在程式一端查看結果

file

4、程式提交到Flink

啟動flink

windows為 start-cluster.bat    linux為start-cluster.sh

localhost:8081查看管理頁面

file

通過maven對代碼打包

file

將打好的包提交到flink上

file

查看log

tail -f log/flink-***-jobmanager.out

在netcat中繼續輸入單詞，在Running Jobs中查看作業狀態，在log中查看輸出，

file

四、Flink 編程模型

Flink提供不同級別的抽象來開發流/批處理應用程式，

file

最低級抽象只提供有狀態流，

在實踐中，大多數應用程式不需要上述低級抽象，而是針對Core API編程，如DataStream API（有界/無界流）和DataSet API（有界資料集），

Table Api宣告了一個表，遵循關系模型，

最高級抽象是SQL，

我們這里只用到了DataStream API，

Flink程式的基本構建塊是流和轉換，

一個程式的基本構成：

l 獲取execution environment

l 加載/創建原始資料

l 指定這些資料的轉化方法

l 指定計算結果的存放位置

l 觸發程式執行

file

五、DataStreaming API使用

1、獲取execution environment

StreamExecutionEnvironment是所有Flink程式的基礎，獲取方法有：

getExecutionEnvironment()

createLocalEnvironment()

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

一般情況下使用getExecutionEnvironment，如果你在IDE或者常規java程式中執行可以通過createLocalEnvironment創建基于本地機器的StreamExecutionEnvironment，如果你已經創建jar程式希望通過invoke方式獲取里面的getExecutionEnvironment方法可以使用createRemoteEnvironment方式，

2、加載/創建原始資料

StreamExecutionEnvironment提供的一些訪問資料源的介面

（1）基于檔案的資料源

readTextFile(path)
readFile(fileInputFormat, path)
readFile(fileInputFormat, path, watchType, interval, pathFilter, typeInfo)

（2）基于Socket的資料源（本文使用的）

l socketTextStream

（3）基于Collection的資料源

fromCollection(Collection)
fromCollection(Iterator, Class)
fromElements(T ...)
fromParallelCollection(SplittableIterator, Class)
generateSequence(from, to)

3、轉化方法

（1）Map方式：DataStream -> DataStream

功能：拿到一個element并輸出一個element，類似Hive中的UDF函式

舉例：

DataStream<Integer> dataStream = //...
dataStream.map(new MapFunction<Integer, Integer>() {
    @Override
    public Integer map(Integer value) throws Exception {
        return 2 * value;
    }
});

（2）FlatMap方式：DataStream -> DataStream

功能：拿到一個element，輸出多個值，類似Hive中的UDTF函式

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);
        }
    }
});

（3）Filter方式：DataStream -> DataStream

功能：針對每個element判斷函式是否回傳true，最后只保留回傳true的element

舉例：

dataStream.filter(new FilterFunction<Integer>() {
    @Override
    public boolean filter(Integer value) throws Exception {
        return value != 0;
    }
});

（4）KeyBy方式：DataStream -> KeyedStream

功能：邏輯上將流分割成不相交的磁區，每個磁區都是相同key的元素

舉例：

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

（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;
    }
});

（6）Aggregations方式：KeyedStream -> DataStream

功能：在keyed data stream中進行聚合操作

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");

（7）Window方式：KeyedStream -> WindowedStream

功能：在KeyedStream中進行使用，根據某個特征針對每個key用windows進行分組，

舉例：

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

（8）WindowAll方式：DataStream -> AllWindowedStream

功能：在DataStream中根據某個特征進行分組，

舉例：

dataStream.windowAll(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data

（9）Union方式：DataStream* -> DataStream

功能：合并多個資料流成一個新的資料流

舉例：

dataStream.union(otherStream1, otherStream2, ...);

（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;
    }
});

（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");

4、輸出資料

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

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

大資料實時處理的王者-Flink

統一批處理流處理——Flink批流一體實作原理

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：

file

轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/52370.html

標籤：大數據

上一篇：union all 這樣用對不對啊

下一篇：Spark學習筆記3——RDD（下）