Flink——入门WordCount程序

Flink是什么？

Apache Flink is a framework and distributed processing engine for stateful computations over unbounded and bounded data streams. Flink has been designed to run in all common cluster environments, perform computations at in-memory speed and at any scale. （官网原文）

Flink是一个框架、分布式的处理引擎。主要用于对无限制和有限制的数据流进行有状态的计算。在Flink中，一切都是由流组成：离线数据是有限制的流；实时数据时无限制的流。Flink最大的优点就是低延迟、高吞吐且可以保证精准一次性的状态一致性，他是一个真真正正的流式处理框架。

下面使用scala编写flink批处理版本和flink流式处理版本的WordCount程序：

 1、新建maven工程，导入依赖

 
        
        
            org.apache.flink
            flink-scala_2.11
            1.7.2
        
        
        
            org.apache.flink
            flink-streaming-scala_2.11
            1.7.2
        
        
        
            org.apache.flink
            flink-clients_2.11
            1.7.2
        
    
    
        
            
            
                net.alchim31.maven
                scala-maven-plugin
                3.4.6
                
                    
                        
                        
                            testCompile
                        
                    
                
            
            
                org.apache.maven.plugins
                maven-assembly-plugin
                3.0.0
                
                    
                        jar-with-dependencies
                    
                
                
                    
                        make-assembly
                        package
                        
                            single
                        
                    
                
            
        
    

2、编写批处理版本wordcount

package com.wei.scala

import org.apache.flink.api.scala._

object WordCount {
  /**
   *  批处理
   * @param args
   */
  def main(args: Array[String]): Unit = {

    //创建执行环境
    val env: ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment

    //读取数据文件
    val dataSet = env.readTextFile("C:\\idea\\Flink\\src\\main\\resources\\hello.txt")

    //切分文本内容
    val result =dataSet.flatMap(_.split(" "))
      .map((_,1))
      .groupBy(0)
      .sum(1)

    result.print()
  }
}

3、编写流式处理版本wordcount

package com.wei.scala

import org.apache.flink.streaming.api.scala._
object WordCount2 {
  def main(args: Array[String]): Unit = {

    //创建执行环境
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment

    //接收一个socket文本流
    val dataStream: DataStream[String] = env.socketTextStream("hdp-1",9999)

    //对流入的数据进行处理
    val result: DataStream[(String, Int)] = dataStream.flatMap(_.split(" ")).filter(_.nonEmpty).map((_,1)).keyBy(0).sum(1)

    //输出结果
    result.print()

    //启动executor
    env.execute("my first wordCount job")

  }

}

在虚拟机上启动一个netcat端口，用于发送数据，程序利用socketTextStream接收一个文本流，经过处理并且输出结果：