从零构建第一个 Apache Flink 应用

目录

• 从零构建第一个 Apache Flink 应用
  • 开发环境准备
  • 创建 Maven 项目
  • 编写 Flink 程序
  • 代码实现
  • 运行程序
    • 在终端启动 netcat 获得输入流
    • 运行示例程序

开发环境准备

Flink 可以运行在 Linux, Max OS X, 或者是 Windows 上。为了开发 Flink 应用程序，在本地机 器上需要有 Java 8.x 和 maven 环境。

如果有 Java 8 环境，运行下面的命令会输出如下版本信息:

bash
$ java -version
java version "1.7.0_79"
Java(TM) SE Runtime Environment (build 1.7.0_79-b15)
Java HotSpot(TM) 64-Bit Server VM (build 24.79-b02, mixed mode)

如果有 maven 环境，运行下面的命令会输出如下版本信息:

bash
$ mvn -version
Apache Maven 3.5.0 (ff8f5e7444045639af65f6095c62210b5713f426; 2017-04-04T03:39:06+08:00)
Maven home: /data/apache-maven-3.5.0
Java version: 1.7.0_79, vendor: Oracle Corporation
Java home: /Library/Java/JavaVirtualMachines/jdk1.7.0_79.jdk/Contents/Home/jre
Default locale: zh_CN, platform encoding: UTF-8
OS name: "mac os x", version: "10.14", arch: "x86_64", family: "mac"

另外我们推荐使用 ItelliJ IDEA (社区免费版已够用)作为 Flink 应用程序的开发 IDE。Eclipse 虽然也可以，但是 Eclipse 在 Scala 和 Java 混合型项目下会有些已知问题，所以不太推荐 Eclipse。下一章节，我们会介绍如何创建一个 Flink 工程并将其导入 ItelliJ IDEA。

创建 Maven 项目

我们将使用 FlinkMavenArchetype 来创建我们的项目结构和一些初始的默认依赖。在你的工作 目录下，运行如下命令来创建项目:

启动nexus

bash
sparsematrix:~ matrix$ cd /data/nexus-3.9.0-01
sparsematrix:nexus-3.9.0-01 matrix$ ./bin/nexus start
Starting nexus

创建项目&初始依赖

bash
cd /Users/matrix/Desktop/IDEAProject
mvn archetype:generate \
   -DarchetypeGroupId=org.apache.flink \
   -DarchetypeArtifactId=flink-quickstart-java \
   -DarchetypeVersion=1.6.1 \
   -DgroupId=flink-demo \
   -DartifactId=flink-demo \
   -Dversion=0.1 \
   -Dpackage=com.matrix.flink \
   -DinteractiveMode=false

你可以编辑上面的 groupId,artifactId,package 成你喜欢的路径。使用上面的参数，Maven 将自 动为你创建如下所示的项目结构:

bash
sparsematrix:IDEAProject matrix$ cd flink-demo/
sparsematrix:flink-demo matrix$ tree
.
├── flink-demo.iml
├── pom.xml
└── src
    └── main
        ├── java
        │   └── com
        │       └── matrix
        │           └── flink
        │               ├── BatchJob.java
        │               └── StreamingJob.java
        └── resources
            └── log4j.properties

7 directories, 5 files

我们的 pom.xml 文件已经包含了所需的 Flink 依赖，并且在 src/main/java 下有几个示例程序 框架。接下来我们将开始编写第一个 Flink 程序。

编写 Flink 程序

启动 IntelliJ IDEA，选择 “Import Project(” 导入项目)，选择 flink-demo 根目录下的 pom.xml。 根据引导，完成项目导入。

在 src/main/java/com.matrix.flink 下创建 SocketWindowWordCount.java 文件:

java
package com.matrix.flink;

public class SocketWindowWordCount {

    public static void main(String[] args) {

    }
}

Flink 程序的第一步是创建一个 StreamExecutionEnvironment。这是一个入口类，可以用来设置参数和创建数据源以及提交任务。所以让我们把它添加到 main 函数中:

java
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

下一步我们将创建一个从本地端口号 9000 的 socket 中读取数据的数据源:

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

这创建了一个字符串类型的 DataStream。DataStream 是 Flink 中做流处理的核心 API，上面定 义了非常多常见的操作(如，过滤、转换、聚合、窗口、关联等)。在本示例中，我们感兴趣的 是每个单词在特定时间窗口中出现的次数，比如说 5 秒窗口。为此，我们首先要将字符串数据 解析成单词和次数(使用 Tuple2表示)，第一个字段是单词，第二个字段是 次数，次数初始值都设置成了 1。我们实现了一个 flatmap 来做解析的工作，因为一行数据中 可能有多个单词。

java
DataStream<Tuple2<String, Integer>> wordcounts = text.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
                @Override
                public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
                    for (String word : value.split("\\s")) {
                        out.collect(Tuple2.of(word, 1));
                    }
                }
        });

接着我们将数据流按照单词字段(即 0 号索引字段)做分组，这里可以简单地使用 keyBy(int index)方法，得到一个以单词为 key 的 Tuple2数据流。然后我们可以在流 上指定想要的窗口，并根据窗口中的数据计算结果。在我们的例子中，我们想要每 5 秒聚合一 次单词数，每个窗口都是从零开始统计的:。

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

第二个调用的.timeWindow()指定我们想要 5 秒的翻滚窗口(Tumble)。第三个调用为每个 key 每个窗口指定了 sum 聚合函数，在我们的例子中是按照次数字段(即 1 号索引字段)相加。得 到的结果数据流，将每 5 秒输出一次这 5 秒内每个单词出现的次数。

最后一件事就是将数据流打印到控制台，并开始执行:

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

最后的 env.execute 调用是启动实际 Flink 作业所必需的。所有算子操作(例如创建源、聚合、 打印)只是构建了内部算子操作的图形。只有在 execute()被调用时才会在提交到集群上或本 地计算机上执行。

代码实现

package com.matrix.flink;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple;
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 {
        // 1.创建StreamExecutionEnvironment，这个一个入口类，用来设置参数和创建数据源以及提交任务
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        // 2.创建一个从本地端口号9000的socket中读取的数据源
        DataStream<String> text = env.socketTextStream("192.168.239.180", 9000, "\n");
        // DataStreaming是Flink中做流处理的核心API，上面定义了非常多常见的操作(如，过滤、转换、聚合、窗口、关联等)。
        // 3.统计每个单词在特定时间窗口中出现的次数，解析数据，按word 分组，开窗，聚合
        DataStream<Tuple2<String, Integer>> wordcounts = text.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
            @Override
            public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
                for (String word : value.split("\\s")) {
                    out.collect(Tuple2.of(word, 1));
                }
            }
        });
        // 4.将数据流按照单词字段(即0号索引字段)做分组，这里可以简单地使用keyBy(int index)方法，得到一个以单词为key的Tuple2数据流。然后
        // 我们可以在流上指定想要的窗口，并根据窗口中的数据计算结果。
        DataStream<Tuple2<String, Integer>> windowCounts = wordcounts.keyBy(0).timeWindow(Time.seconds(5)).sum(1);
        // 5.将数据流打印到到控制台
        windowCounts.print().setParallelism(1);
        // 6.启动Flink作业
        env.execute("Sockeet Window WordCount");
    }
}

运行程序

要运行示例程序，首先我们在安装Flink服务器终端上启动 netcat 获得输入流:

bash
nc -lk 9000

如果是 Windows 平台，可以通过 https://nmap.org/ncat/ 安装 ncat 然后运行:

bash
ncat -lk 9000

然后直接运行 SocketWindowWordCount 的 main 方法。

只需要在 netcat 控制台输入单词，就能在 SocketWindowWordCount 的输出控制台看到每个单词的词频统计。如果想看到大于 1 的计数，请在 5 秒内反复键入相同的单词。

在终端启动 netcat 获得输入流

bash
yum install -y nc

bash
[root@flink01 ~]# nc -lk 9000
flink
flink
flinkf
lif
flink

运行示例程序