Flink实时计算运用（二）Flink快速入门应用

1. Flink基础案例

1. 环境搭建配置

   FLINK集成，POM配置

   <dependencies>
       
       <dependency>
           <groupId>org.apache.flinkgroupId>
           <artifactId>flink-walkthrough-common_${scala.binary.version}artifactId>
           <version>${flink.version}version>
       dependency>
       <dependency>
           <groupId>org.apache.flinkgroupId>
           <artifactId>flink-streaming-java_${scala.binary.version}artifactId>
           <version>${flink.version}version>
       dependency>
       <dependency>
           <groupId>org.apache.flinkgroupId>
           <artifactId>flink-clients_${scala.binary.version}artifactId>
           <version>${flink.version}version>
       dependency>
   
   dependencies>
   

2. 批处理案例

   功能： 通过批处理方式，统计日志文件中的异常数量。

   代码：

   public class BatchProcessorApplication {   
       public static void main(String[] args) throws Exception {
           // 1. 定义运行环境
           ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();   
           // 2. 读取数据源（日志文件）
           DataSource<String> logData = env.readTextFile("./data/order_info.log");   
           // 3. 清洗转换数据
           logData.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {   
               @Override
               public void flatMap(String value, Collector<Tuple2<String, Integer>> collector) throws Exception {
                   // 1) 根据正则， 提取每行日志的级别
                   Pattern pattern = Pattern.compile("\\[main\\](.*?)\\[");
                   Matcher matcher = pattern.matcher(value);
                   if(matcher.find()) {
                       // 2) 如果匹配符合规则， 放置元组内
                       collector.collect(new Tuple2<String,Integer>(matcher.group(1).trim(), 1));
                   }
               }
           }).groupBy(0).sum(1).print(); // 4. 根据日志级别， 汇总统计， 打印结果     
       }   
   }
   
   

3. 流处理案例

   功能： 根据IP统计访问次数

   代码：

   public class StreamProcessorApplication {
   
       public static void main(String[] args) throws Exception{
   
           // 1. 创建运行环境
           StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
   
           // 2. 读取Socket数据源
           DataStreamSource<String> socketStr = env.socketTextStream("127.0.0.1", 9911, "\n");
   
           // 3. 转换处理流数据
           socketStr.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
               @Override
               public void flatMap(String value, Collector<Tuple2<String, Integer>> collector) throws Exception {
                   // 根据分隔符解析数据
                   String[] arrValue = value.split("\t");
                   collector.collect(new Tuple2<String,Integer>(arrValue[0], 1));
               }
           }).keyBy(0).timeWindow(Time.seconds(5)).sum(1).print().setParallelism(2);
   
           env.execute("accessLog");
       }
   
   }
   

2. Flink部署配置

1. 安装配置JDK8环境

   [root@localhost ~]# java -version
   java version "1.8.0_181"
   Java(TM) SE Runtime Environment (build 1.8.0_181-b13)
   Java HotSpot(TM) 64-Bit Server VM (build 25.181-b13, mixed mode)
   

2. 下载Flink安装包

   官方地址

   安装包

3. 安装配置

   1） 解压

   tar -xvf flink-1.11.2-bin-scala_2.11.tgz
   

   2）运行

   bin/start-cluster.sh
   

   主节点访问端口：

   vi conf/masters:

   localhost:8081
   

4. 访问控制台

   http://10.10.20.132:8081/#/overview

   

   Available Task Slots： 有效任务槽数量

   对应配置文件： vi conf/flink-conf.yaml

   taskmanager.numberOfTaskSlots: 1
   

   TaskManger与JobManager关系

   

   Client 用来提交任务给 JobManager，JobManager 分发任务给 TaskManager 去执行， TaskManager 会采用心跳的方式， 汇报任务的执行状态。

   JobManager 负责整个 Flink 集群任务的调度以及资源的管理。

   TaskManager 负责具体的任务执行和对应任务在每个节点上的资源申请和管理。

3. Flink任务提交

第一种方式： 界面提交

1. 修改代码配置

   socket数据源连接，采用主机名称配置

   DataStreamSource<String> socketStr = env.socketTextStream("flink1", 9911, "\n");
   

2. 工程代码打包

   POM文件增加打包插件

   <build>
           <plugins>
               
               <plugin>
                   <groupId>org.apache.maven.pluginsgroupId>
                   <artifactId>maven-compiler-pluginartifactId>
                   <version>3.5.1version>
                   <configuration>
                       <source>1.8source>
                       <target>1.8target>
                       
                   configuration>
               plugin>
               
               <plugin>
                   <groupId>org.apache.maven.pluginsgroupId>
                   <artifactId>maven-shade-pluginartifactId>
                   <version>2.3version>
                   <executions>
                       <execution>
                           <phase>packagephase>
                           <goals>
                               <goal>shadegoal>
                           goals>
                           <configuration>
                               <filters>
                                   <filter>
                                       <artifact>*:*artifact>
                                       <excludes>
                                           
                                           <exclude>META-INF/*.SFexclude>
                                           <exclude>META-INF/*.DSAexclude>
                                           <exclude>META-INF/*.RSAexclude>
                                       excludes>
                                   filter>
                               filters>
                               <transformers>
                                   <transformer
                                           implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                       
                                       <mainClass>com.itcast.flink.usage.stream.StreamProcessorApplicationmainClass>
                                   transformer>
                               transformers>
                           configuration>
                       execution>
                   executions>
               plugin>
           plugins>
       build>
   

   注意，这里不能采用spring-boot-maven-plugin打包插件， 否则flink不能正常识别。

3. 提交任务

   上传Jar包

   

   接下来，在flink1节点上， 开启Socket交互端口9911

   [root@flink1 flink-1.11.2]# nc -lk 9911
   

   然后提交并执行任务

   

   savepoint path： 容错机制中快照保存的路径。

4. 运行验证

   nc发送一些数据， 在TaskManager当中可以查看输出结果。

   

第二种方式： 命令行提交

在flink控制台清除原有的Job任务。

1. 上传Jar包

   将Jar包上传至flink服务器：

   [root@flink1 examples]# ll
   total 81880
   drwxr-xr-x. 2 root root      194 Sep  9 23:48 batch
   -rw-r--r--. 1 root root 83843774 Sep 26 05:57 flink-usage-1.0-SNAPSHOT.jar
   drwxr-xr-x. 2 root root       50 Sep  9 23:48 gelly
   drwxr-xr-x. 3 root root       19 Sep  9 23:48 python
   drwxr-xr-x. 2 root root      241 Sep  9 23:48 streaming
   drwxr-xr-x. 2 root root      209 Sep  9 23:48 table
   

2. 提交任务

   采用命令行方式提交任务：

   [root@flink1 flink-1.11.2]# bin/flink run -c com.itcast.flink.usage.stream.StreamProcessorApplication examples/flink-usage-1.0-SNAPSHOT.jar
   Job has been submitted with JobID 4c127f68f6683e5a9342410d7b6540db
   

3. 验证结果

   发送一些数据并在控制台验证输出结果。

---

本文由mirson创作分享，如需进一步交流，请加QQ群：19310171或访问www.softart.cn