Flink快速上手之Java API使用

要求

　　编写你的Flink Java程序唯一的要求是需要安装Maven 3.0.4(或者更高)和Java 7.x(或者更高)

创建Flink Java工程

使用下面其中一个命令来创建Flink Java工程

1、使用Maven archetypes：

$ mvn archetype:generate                               \
      -DarchetypeGroupId=org.apache.flink              \
      -DarchetypeArtifactId=flink-quickstart-java      \
      -DarchetypeVersion=1.0.0

2、运行quickstart脚本

$ curl https: //flink .apache.org /q/quickstart .sh | bash

上面两个命令（使用Maven创建的时候需要输入artifactId、groupId等相关信息）运行完之后都会产生类似于以下的目录结构：

.
└── quickstart
    ├── pom.xml
    └── src
        └── main
            ├── java
            │   └── org
            │       └── myorg
            │           └── quickstart
            │               ├── Job.java
            │               ├── SocketTextStreamWordCount.java
            │               └── WordCount.java
            └── resources
                └── log4j.properties

8 directories, 5 files

检查工程

　　您的工作目录中会出现一个新的目录。如果你使用了curl命令来创建Flink Java工程，这个目录的名称是 quickstart。否则，就是你输入的artifactId名字。

　　这个工程是一个Maven工程, 包含三个类。 Job是一个基本的框架程序，SocketTextStreamWordCount和WordCount是一个简单的单词次数计算示例。需要注意的是，这三个类的main 方法都允许你在开发/测试模式下启动Flink。

　　我们推荐将这个工程导入到你的IDE中，并进行开发和测试。 如果你用的是Eclipse， 可以使用m2e插件来导入 Maven 工程。有些Eclipse发行版 默认嵌入了这个插件，其他的需要你手动去安装。IntelliJ IDE内置就提供了对Maven 工程的支持。

　　给Mac OS X用户的建议：默认的JVM堆内存对Flink来说太小了，你必须手动增加内存。这里以Eclipse 为例，依次选择 Run Configurations -> Arguments， 然后在VM Arguments里写入：-Xmx800m。

编译工程

　　如果你想要编译你的工程, 进入到工程所在目录，并输入 mvn clean install -Pbuild-jar 命令。 你将会找到target/your-artifact-id-1.0-SNAPSHOT.jar文件，它可以在任意的Flink集群上运行。 还有一个fat-jar，名为target/your-artifact-id-1.0-SNAPSHOT-flink-fat-jar.jar，包含了所有添加到 Maven 工程的依赖。

下一步

　　开始编写我们自己的程序

　　Quickstart 工程包含了一个 WordCount 的实现，也就是大数据处理系统的 Hello World。WordCount 的目标是计算文本中单词出现的频率。比如： 单词 “the” 或者 “house” 在所有的Wikipedia文本中出现了多少次。

样本输入

big data is big

样本输出

big 2
data 1
is 1

下面的代码就是 Quickstart 工程的 WordCount 实现，它使用两种操作( FlatMap 和 Reduce )处理了一些文本，并且在标准输出中打印了单词的计数结果。

public class WordCount {

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

    // set up the execution environment
    final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();

    // get input data
    DataSet text = env.fromElements(
        "To be, or not to be,--that is the question:--" ,
        "Whether 'tis nobler in the mind to suffer" ,
        "The slings and arrows of outrageous fortune" ,
        "Or to take arms against a sea of troubles,"
        );

    DataSet> counts =
        // split up the lines in pairs (2-tuples) containing: (word,1)
        text.flatMap( new LineSplitter())
        // group by the tuple field "0" and sum up tuple field "1"
        .groupBy( 0 )
        .aggregate(Aggregations.SUM, 1 );

    // emit result
    counts.print();
  }
}

这些操作是在专门的类中定义的，下面是 LineSplitter 类。

public class LineSplitter implements FlatMapFunction> {

  @Override
  public void flatMap(String value, Collector> out) {
    // normalize and split the line into words
    String[] tokens = value.toLowerCase().split( "\\W+" );

    // emit the pairs
    for (String token : tokens) {
      if (token.length() > 0 ) {
        out.collect( new Tuple2(token, 1 ));
      }
    }
  }
}

完整代码参见https://github.com/apache/flink/blob/master//flink-examples/flink-examples-batch/src/main/java/org/apache/flink/examples/java/wordcount/WordCount.java