Apache Flink 零基础入门(四)Flink开发批处理应用程序

原文链接: https://my.oschina.net/duanvincent/blog/3098634

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:

Apache Flink 零基础入门(四)Flink开发批处理应用程序_第1张图片

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=local

groupId: 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:

Apache Flink 零基础入门(四)Flink开发批处理应用程序_第2张图片

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

 

转载于:https://my.oschina.net/duanvincent/blog/3098634

你可能感兴趣的:(Apache Flink 零基础入门(四)Flink开发批处理应用程序)