需求
词频统计，即给一个文件，统计文件中每个单词出现的次数，分隔符是\t。这个文件内容如下：
hello world welcome
hello welcome统计结果直接打印在控制台。生产环境下一般Sink到目的地。
使用Flink + java实现需求
环境
JDK：1.8
Maven：3.6.1（最低Maven 3.0.4）
创建项目
mvn archetype:generate -DarchetypeGroupId=org.apache.flink -DarchetypeArtifactId=flink-quickstart-java -DarchetypeVersion=1.8.1 -DarchetypeCatalog=local
groupId: com.vincent artifactId: springboot-flink-train version:1.0 这样就创建了一个项目，使用Idea导入这个项目，项目结构如下：
里面有两个自动为我们准备好的java类。
开发步骤
第一步：创建批处理上下文环境
// set up the batch execution environment
final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();第二步：读取数据
env.readTextFile(textPath);第三步：transform operations，例如 filter() flatMap() join() coGroup()，这是开发的核心所在，一般就是业务逻辑
第四步：execute program
具体操作
第一步：读取数据
hello welcome第二步：每一行的数据按照指定的分隔符拆分
hello
welcome第三步：为每一个单词赋上次数为1
(hello,1)
(welcome,1)第四步：合并操作
代码实现
/**
* 使用Java API来开发Flink的批处理应用程序
*/
public class BatchWCJavaApp {
public static void main(String[] args) throws Exception {
String input = "E:/test/input/test.txt";
// step1: 获取运行环境
ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
// step2: 读取数据
DataSource text = env.readTextFile(input);
// step3: transform
// FlatMapFunction表示进来一个String, 转换成一个类型
text.flatMap(new FlatMapFunction>() {
/**
*
* @param value 就是一行一行的字符串
* @param out 转换成(单词,次数)
* @throws Exception
*/
@Override
public void flatMap(String value, Collector> out) throws Exception {
String[] tokens = value.toLowerCase().split("\t");
for(String token: tokens) {
if(token.length() > 0) {
out.collect(new Tuple2(token, 1));
}
}
}
}).groupBy(0).sum(1).print();
}
} 运行结果
(world,1)
(hello,2)
(welcome,2)
使用Flink + scala实现需求
环境
JDK：1.8
Maven：3.6.1（最低Maven 3.0.4）
创建项目，跟使用java方式是一样的
mvn archetype:generate -DarchetypeGroupId=org.apache.flink -DarchetypeArtifactId=flink-quickstart-scala -DarchetypeVersion=1.8.1 -DarchetypeCatalog=localgroupId: com.vincent artifactId: springboot-flink-train-scala version:1.0 这样就创建了一个项目，使用Idea导入这个项目：
接下来的开发步骤与使用java实现的开发步骤是一样的：这里给出
代码实现
import org.apache.flink.api.scala.ExecutionEnvironment
/**
* 使用Scala开发Flink的批处理应用程序
*/
object BatchWCScalaApp {
def main(args: Array[String]): Unit = {
val input = "E:/test/input/test.txt"
val env = ExecutionEnvironment.getExecutionEnvironment
val text = env.readTextFile(input)
// 引入隐式转换
import org.apache.flink.api.scala._
text.flatMap(_.toLowerCase.split("\t"))
.filter(_.nonEmpty)
.map((_, 1))
.groupBy(0)
.sum(1)
.print()
}
}
Java与Scala实现方式对比
算子与简洁性
也就是transform部分虽然原理是一样的，但是实现的方式不一样，scala更加简洁