Flink系列之Flink基础使用与核心概念

---

声明：
        文章中代码及相关语句为自己根据相应理解编写，文章中出现的相关图片为自己实践中的截图和相关技术对应的图片，若有相关异议，请联系删除。感谢。转载请注明出处，感谢。

By luoyepiaoxue2014

B站：https://space.bilibili.com/1523287361 点击打开链接
微博地址： https://weibo.com/luoyepiaoxue2014 点击打开链接

---

---

title: Flink系列

---

三、Flink基础使用与核心概念

3.1 编程入门

一般程序都是需要有输入、处理、输出。那么 Flink 同样也是，它的专业术语是什么？Flink 专业术语对应 Source，Transformation，Sink。

Spark、 Flume ： source transform sink

也就是在在我们提到Flink程序的时候，我们会有Source数据源，然后map其实就是对输入的数据处理的意思，接着Sink就是落地数据，也就是我们存储数据到什么地方。这里需要跟Flume的source和sink比较，这二者含义和作用基本相同，但是却不能混淆。Flink的source，虽然也是数据源，但是这些我们需要代码指定的，Flume直接通过配置文件指定。同样sink也是。而Flink中间还有对数据的处理，也就是map。这就是程序Flink的程序结构。

官网链接： https://nightlies.apache.org/flink/flink-docs-release-1.14/docs/learn-flink/overview/

Flink的程序和数据流结构：

Operator： 操作计算逻辑；不仅仅是普通的 操作符，还有方法，
关于上图的理解：

FlinkKafkaConsumer 是一个 Source Operator，
map、keyBy、timeWindow、apply 是 Transformation Operator，
RollingSink 是一个Sink Operator

总结编程套路：

1、获得一个执行环境：（Execution Environment）
2、加载/创建初始数据：（Source）
3、指定转换这些数据：（Transformation）
4、指定放置计算结果的位置：（Sink）
5、触发程序执行：（Action）

3.1.0 添加依赖

        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-scala_2.12artifactId>
            <version>1.14.3version>
        dependency>
        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-streaming-scala_2.12artifactId>
            <version>1.14.3version>
        dependency>
        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-clients_2.12artifactId>
            <version>1.14.3version>
        dependency>

3.1.1 批处理的WordCount

package com.aa.flinkscala

import org.apache.flink.api.scala.{DataSet, ExecutionEnvironment}

/**
 * @Author AA
 * @Date 2021/12/13 16:02
 * @Package com.aa.flinkscala
 * 使用 Flink 实现 WordCount的 批处理
 */
object WordCountScalaBatch {
  def main(args: Array[String]): Unit = {
    //1、获取执行环境
    val env: ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment

    //2、获取数据源
    val text: DataSet[String] = env.readTextFile("D:\\input\\test1.txt")

    import org.apache.flink.api.scala._ //加载隐式转换
    //3、数据的业务逻辑处理
    val res: AggregateDataSet[(String, Int)] = text.flatMap(_.split(" ")).map((_, 1)).groupBy(0).sum(1)

    //4、数据结果保存或输出打印
    res.print()
  }
}

3.1.2 流处理的WordCount

package com.aa.flinkscala

//import org.apache.flink.api.scala.createTypeInformation 导入隐式参数时候，这个也可以，下面那个import org.apache.flink.streaming.api.scala.createTypeInformation也可以
import org.apache.flink.streaming.api.scala.createTypeInformation
import org.apache.flink.streaming.api.scala.{DataStream, StreamExecutionEnvironment}

/**
 * @Author AA
 * @Date 2021/12/13 16:54
 * @Package com.aa.flinkscala
 */
object WordCountScalaStream {
  def main(args: Array[String]): Unit = {
    //1、获取执行环境
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment

    //2、获取数据源
    val textStream: DataStream[String] = env.socketTextStream("192.168.22.138", 9999)

    //3、数据计算处理逻辑
    val wordCountStreamRes: DataStream[(String, Int)] = textStream.flatMap(_.split(" "))
      .map((_, 1))
      .keyBy(line => line._1)
      //.keyBy(0) //过期的方法，将来可能不支持啦
      .sum(1)

    //4、打印输出结果
    wordCountStreamRes.print()

    //5、启动应用程序
    env.execute("WordCountScalaStream")
  }
}

3.2 核心概念

图中的 o: Operator， oc 表示 OperatorChain， t 表示 Task

图中的 圆圈 就是一个 Task，绿色的是 Task，只不过是包含两个 Operator， 箭头是数据流， Task 是预先启动不转移位置的，数据流中的数据是流动的

OperatorChain 可以理解成类似于 Spark 中的 Stage

OperatorChain 包含了多个 Operator，基于并行度 并行运行成多个 Task
Stage 包含了多个 算子，其实包含了多个 RDD， Stage 中的 Task 数量取决于 这个 Stage 的 最后一个 RDD 的分区数量。这个 stage 中的 RDD 的都是一样的

具体见代码