共计 5394 个字符,预计需要花费 14 分钟才能阅读完成。
这篇文章主要介绍了如何构建 Apache Flink 应用,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让丸趣 TV 小编带着大家一起了解一下。
1、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:
$ java -version
java version 1.8.0_65
Java(TM) SE Runtime Environment (build 1.8.0_65-b17)
Java HotSpot(TM) 64-Bit Server VM (build 25.65-b01, mixed mode)
如果有 maven 环境,运行下面的命令会输出如下版本信息:
$ mvn -version
Apache Maven 3.5.4 (1edded0938998edf8bf061f1ceb3cfdeccf443fe; 2018-06-18T02:33:14+08:00)
Maven home: /Users/wuchong/dev/maven
Java version: 1.8.0_65, vendor: Oracle Corporation, runtime: /Library/Java/JavaVirtualMachines/jdk1.8.0_65.jdk/Contents/Home/jre
Default locale: zh_CN, platform encoding: UTF-8
OS name: mac os x , version: 10.13.6 , 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。
2、编写 Flink 程序
启动 IntelliJ IDEA,选择“Import Project”(导入项目),选择 my-flink-project 根目录下的 pom.xml。根据引导,完成项目导入。
在 src/main/java/myflink 下创建 SocketWindowWordCount.java 文件:
package myflink;
public class SocketWindowWordCount { public static void main(String[] args) throws Exception { }
}
现在这程序还很基础,我们会一步步往里面填代码。注意下文中我们不会将 import 语句也写出来,因为 IDE 会自动将他们添加上去。在本节末尾,我会将完整的代码展示出来,如果你想跳过下面的步骤,可以直接将最后的完整代码粘到编辑器中。
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:
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:
DataStream 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 String, Integer 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。
DataStream wordCounts = text
.flatMap(new FlatMapFunction () {
@Override
public void flatMap(String value, Collector out) { 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 String, Integer 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 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:
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。
下面是完整的代码,部分代码经过简化(代码在 GitHub 上也能访问到):
package myflink;
import org.apache.flink.api.common.functions.FlatMapFunction;
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 {
// 创建 execution environment
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 通过连接 socket 获取输入数据,这里连接到本地 9876 端口,如果 9876 端口已被占用,请换一个端口
DataStream String text = env.socketTextStream( localhost , 9876, \n
// 解析数据,按 word 分组,开窗,聚合
DataStream Tuple2 String, Integer windowCounts = text
.flatMap(new FlatMapFunction String, Tuple2 String, Integer () {
@Override
public void flatMap(String value, Collector Tuple2 String, Integer out) {for (String word : value.split( \\s)) {out.collect(Tuple2.of(word, 1));
.keyBy(0)
.timeWindow(Time.seconds(5))
.sum(1);
// 将结果打印到控制台,注意这里使用的是单线程打印,而非多线程
windowCounts.print().setParallelism(1);
env.execute(Socket Window WordCount}
3、运行程序
要运行示例程序,首先我们在终端启动 netcat 获得输入流:
nc -lk 9000
如果是 Windows 平台,可以通过 https://nmap.org/ncat/ 安装 ncat 然后运行:
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。
我这里写了个简单的 tcp_server.py 模拟上述手动 nc 操作,大家可以持续观察 flink 窗口统计结果正确性:
import socket
import string
import random
import time
import datetime
import os
from collections import Counter
tcpServerSocket = socket.socket()
host, port = localhost , 9876 # host = socket.gethostname()# 获取本地主机名
tcpServerSocket.bind((host, port))
tcpServerSocket.listen(2) # 代办事件中排队等待 connect 的最大数目
def sleep_some_time(start_time):
end_time = datetime.datetime.now()
rest_time = 5 - (end_time-start_time).seconds
sleep_time = rest_time if 0 = rest_time = 5 else 0
time.sleep(sleep_time)
while True:
#sck 是该 connection 上可以发送和接收数据的新套接字对象, addr 是与 connection 另一端的套接字绑定的地址
sck, addr = tcpServerSocket.accept()
print(客户端连接地址:, addr)
print_flag = 0
while 1:
start_time = datetime.datetime.now()
window_cycle_count = 1
ascii_lowercase_list = []
print_flag += 1
if print_flag % 2 == 0:
sck.send((------------------------------- + \n).encode())
sleep_some_time(start_time)
continue
print( + start_time.strftime( %Y-%m-%d %H:%M:%S))
while window_cycle_count 6:
for _ in range(random.choice(range(6))):
ascii_lowercase = random.choice(string.ascii_lowercase[0:10])
sck.send((ascii_lowercase + \n).encode())
ascii_lowercase_list.append(ascii_lowercase)
window_cycle_count += 1
print(Counter(ascii_lowercase_list))
sleep_some_time(start_time)
print( + datetime.datetime.now().strftime(%Y-%m-%d %H:%M:%S) + \n )
感谢你能够认真阅读完这篇文章,希望丸趣 TV 小编分享的“如何构建 Apache Flink 应用”这篇文章对大家有帮助,同时也希望大家多多支持丸趣 TV,关注丸趣 TV 行业资讯频道,更多相关知识等着你来学习!