5 分钟从零构建第一个 Apache Flink 应用

时间 2019-11-09

原文原文链接

在本文中，咱们将从零开始，教您如何构建第一个Apache Flink （如下简称Flink）应用程序。java

一、开发环境准备

Flink 能够运行在 Linux, Max OS X, 或者是 Windows 上。为了开发 Flink 应用程序，在本地机器上须要有 Java 8.x 和 maven 环境。python

若是有 Java 8 环境，运行下面的命令会输出以下版本信息：git

$ 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)

若是有 maven 环境，运行下面的命令会输出以下版本信息：github

$ 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"

另外咱们推荐使用 ItelliJ IDEA （社区免费版已够用）做为 Flink 应用程序的开发 IDE。Eclipse 虽然也能够，可是 Eclipse 在 Scala 和 Java 混合型项目下会有些已知问题，因此不太推荐 Eclipse。下一章节，咱们会介绍如何建立一个 Flink 工程并将其导入 ItelliJ IDEA。docker

二、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。apache

在 src/main/java/myflink 下建立 SocketWindowWordCount.java 文件：编程

package myflink;

public class SocketWindowWordCount {

    public static void main(String[] args) throws Exception {

    }
}

如今这程序还很基础，咱们会一步步往里面填代码。注意下文中咱们不会将 import 语句也写出来，由于 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现出来，若是你想跳过下面的步骤，能够直接将最后的完整代码粘到编辑器中。api

Flink 程序的第一步是建立一个 StreamExecutionEnvironment 。这是一个入口类，能够用来设置参数和建立数据源以及提交任务。因此让咱们把它添加到 main 函数中：多线程

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

下一步咱们将建立一个从本地端口号 9000 的 socket 中读取数据的数据源：app

DataStream text = env.socketTextStream("localhost", 9000, "\n");

这建立了一个字符串类型的 DataStream。DataStream 是 Flink 中作流处理的核心 API，上面定义了很是多常见的操做（如，过滤、转换、聚合、窗口、关联等）。在本示例中，咱们感兴趣的是每一个单词在特定时间窗口中出现的次数，好比说5秒窗口。为此，咱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。咱们实现了一个 flatmap 来作解析的工做，由于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));
                        }
                    }
                });

接着咱们将数据流按照单词字段（即0号索引字段）作分组，这里能够简单地使用 keyBy(int index) 方法，获得一个以单词为 key 的Tuple2<String, Integer>数据流。而后咱们能够在流上指定想要的窗口，并根据窗口中的数据计算结果。在咱们的例子中，咱们想要每5秒聚合一次单词数，每一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() 指定咱们想要5秒的翻滚窗口（Tumble）。第三个调用为每一个key每一个窗口指定了sum聚合函数，在咱们的例子中是按照次数字段（即1号索引字段）相加。获得的结果数据流，将每5秒输出一次这5秒内每一个单词出现的次数。

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做业所必需的。全部算子操做（例如建立源、聚合、打印）只是构建了内部算子操做的图形。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，部分代码通过简化（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 {

		// 建立 execution environment
		StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

		// 经过链接 socket 获取输入数据，这里链接到本地9876端口，若是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");
	}
}

三、运行程序

要运行示例程序，首先咱们在终端启动 netcat 得到输入流：

nc -lk 9000

若是是 Windows 平台，能够经过 https://nmap.org/ncat/ 安装 ncat 而后运行：

ncat -lk 9000

而后直接运行SocketWindowWordCount的 main 方法。

只须要在 netcat 控制台输入单词，就能在 SocketWindowWordCount 的输出控制台看到每一个单词的词频统计。若是想看到大于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 操做，你们能够持续观察 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上能够发送和接收数据的新套接字对象, addr是与connection另外一端的套接字绑定的地址
    sck, addr = tcpServerSocket.accept()
    print('客户端链接地址：', 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")

【全文完】

Refer：

[1] Apache Flink零基础入门

https://www.infoq.cn/theme/28

[2] docker-compose 容器快速支持 Flink SQL 编程实践

https://www.infoq.cn/article/LsmqfCY-2BUkBwf2VSIP

[3] 5分钟从零构建第一个 Apache Flink 应用

https://ververica.cn/developers/build-from-zero/

[4] Flink 1.9 实战：使用 SQL 读取 Kafka 并写入 MySQL

https://mp.weixin.qq.com/s/GAFi7KgSHvhzpuH_YhU5jg