从头开始构建您的第一个 Flink 应用程序

terry 2年前 (2023-09-25) 阅读数 82 #后端开发

教您如何从头开始构建您的第一个 Flink 应用程序。

开发环境准备

Flink可以运行在Linux、Max OS X或Windows上。 Flink应用程序的开发需要本机具备Java 8.x和maven环境。

如果您有Java 8环境，运行以下命令将输出以下版本信息：

$ 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)

如果您有maven环境，运行以下命令将输出以下版本信息：

$ 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"

此外，我们推荐ItelliJ IDEA（社区免费版Sufficient）作为Flink应用程序的开发IDE。尽管 Eclipse 是一个选项，但 Eclipse 在混合 Scala 和 Java 项目时存在已知问题，因此不推荐使用 Eclipse。在下一章中，我们将向您展示如何创建 Flink 项目并将其导入 ItelliJ IDEA。

创建 Maven 项目

我们将使用 Flink Maven 原型来创建项目的结构和一些初始默认依赖项。在工作目录下，运行以下命令创建项目：

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

上面的groupId、artifactId、package都可以编辑到想要的路径。使用上述参数，Maven 自动创建如下项目结构：

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

我们的 pom.xml 文件已经包含必要的 Flink 依赖项，并且可以在 src/main/java 下找到几个示例框架。然后我们开始编写我们的第一个 Flink 程序。

编写Flink程序

启动IntelliJ IDEA，选择“导入项目”，选择my-flink-project根目录下的pom.xml文件。按照指南完成项目导入。

在src/main/java/myflink下创建文件SocketWindowWordCount.java：

package myflink;

public class SocketWindowWordCount {

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

  }
}

这个程序还是很基础的，我们一步一步把代码填好。请注意，我们不会签署导入语句，因为 IDE 会自动添加它们。我将在本节末尾向您展示完整的代码。如果您想跳过以下步骤，可以直接将整个代码粘贴到编辑器中。

Flink 程序的第一步是创建StreamExecutionEnvironment。这是一个入口类，可用于设置参数、创建数据源、提交任务。因此，让我们在 main 函数中添加：

StreamExecutionEnvironment see = StreamExecutionEnvironment.getExecutionEnvironment();

接下来，我们创建一个数据源，从本地端口 9000 上的套接字读取数据：

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

这将创建一个字符串类型的 DataStream 。 DataStream是Flink数据流处理的核心API，定义了一些常用操作（如过滤、转换、聚合、加窗、关联等）。在此示例中，我们感兴趣的是每个单词在给定时间窗口（例如 5 秒的窗口）中出现的次数。为此，我们首先需要将字符串数据（由 Tuple2 表示）解析为单词和时间。第一个字段是单词，第二个字段是数字，数字的初始值为1。为了分析，我们实现了一个flatmap，因为一个单词可能包含多个单词。数据线。

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));
            }
          }
        });

然后我们根据字字段（即索引字段号0）对数据流进行分组。这里我们可以简单地使用 keyBy(int index) 方法来获取一个以 word 为键的 Tuple2。 流。然后我们可以在流上指定所需的窗口，并根据窗口中的数据计算结果。在我们的例子中，我们希望每 5 秒聚合一次字数，每个窗口从零开始：。

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

第二次调用.timeWindow() 指定我们需要 5 秒的陷阱窗口。第三次调用返回每个键和窗口的聚合函数 sum。在我们的例子中，是根据编号字段（即索引字段编号1）添加的。生成的流每 5 秒输出一次这 5 秒内每个单词的出现次数。

最后一件事是将流打印到控制台并开始执行：

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

最后一次调用env.execute需要启动实际的Flink任务。每个算子操作（例如源创建、聚合、打印）都简单地以图表形式表示了内部算子操作。仅当调用 execute() 时，才会在集群或本地计算机上执行。

以下是完整的代码，部分代码已经过简化（代码也可以在GitHub上找到）：

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 {

    // 创建 execution environment
    final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    // 通过连接 socket 获取输入数据，这里连接到本地9000端口，如果9000端口已被占用，请换一个端口
    DataStream<String> text = env.socketTextStream("localhost", 9000, "\n");

    // 解析数据，按 word 分组，开窗，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);

    // 将结果打印到控制台，注意这里使用的是单线程打印，而非多线程
    windowCounts.print().setParallelism(1);

    env.execute("Socket Window WordCount");
  }
}