如何构建ApacheFlink应用
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,下面让小编带着大家一起了解一下。
成都创新互联专业为企业提供濉溪网站建设、濉溪做网站、濉溪网站设计、濉溪网站制作等企业网站建设、网页设计与制作、濉溪企业网站模板建站服务,10余年濉溪做网站经验,不只是建网站,更提供有价值的思路和整体网络服务。
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
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
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 DataStreamtext = env.socketTextStream("localhost", 9876, "\n"); // 解析数据,按 word 分组,开窗,聚合 DataStream > windowCounts = text .flatMap(new FlatMapFunction >() { @Override public void flatMap(String value, Collector > 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创新互联,关注创新互联行业资讯频道,更多相关知识等着你来学习!
本文标题:如何构建ApacheFlink应用
链接分享:http://azwzsj.com/article/pgccoj.html