Flink入门宝典

本文基于java构建Flink1.9版本入门程序，须要Maven 3.0.4 和 Java 8 以上版本。须要安装Netcat进行简单调试。
这里简述安装过程，并使用IDEA进行开发一个简单流处理程序，本地调试或者提交到Flink上运行，Maven与JDK安装这里不作说明。
1、Flink简介

Flink诞生于欧洲的一个大数据研究项目StratoSphere。该项目是柏林工业大学的一个研究性项目。早期，Flink是作Batch计算的，可是在2014年，StratoSphere里面的核心成员孵化出Flink，同年将Flink捐赠Apache，并在后来成为Apache的顶级大数据项目，同时Flink计算的主流方向被定位为Streaming，即用流式计算来作全部大数据的计算，这就是Flink技术诞生的背景。
2015开始阿里开始介入flink 负责对资源调度和流式sql的优化，成立了阿里内部版本blink在最近更新的1.9版本中,blink开始合并入flink,
将来flink也将支持java,scala,python等更多语言，并在机器学习领域施展拳脚。
2、Flink开发环境搭建
首先要想运行Flink，咱们须要下载并解压Flink的二进制包，下载地址以下：https://flink.apache.org/down...
咱们能够选择Flink与Scala结合版本，这里咱们选择最新的1.9版本Apache Flink 1.9.0 for Scala 2.12进行下载。

Flink在Windows和Linux下的安装与部署能够查看 Flink快速入门--安装与示例运行，这里演示windows版。
安装成功后，启动cmd命令行窗口，进入flink文件夹，运行bin目录下的start-cluster.bat
$ cd flink$ cd bin$ start-cluster.batStarting a local cluster with one JobManager process and one TaskManager process.You can terminate the processes via CTRL-C in the spawned shell windows.Web interface by default on http://localhost:8081/.
显示启动成功后，咱们在浏览器访问 http://localhost:8081/能够看到flink的管理页面。

3、Flink快速体验
请保证安装好了flink，还须要Maven 3.0.4 和 Java 8 以上版本。这里简述Maven构建过程。
其余详细构建方法欢迎查看：快速构建第一个Flink工程
一、搭建Maven工程
使用Flink Maven Archetype构建一个工程。
$ mvn archetype:generate -DarchetypeGroupId=org.apache.flink -DarchetypeArtifactId=flink-quickstart-java -DarchetypeVersion=1.9.0
你能够编辑本身的artifactId groupId
目录结构以下：
$ tree quickstart/quickstart/├── pom.xml└── src └── main ├── java │ └── org │ └── myorg │ └── quickstart │ ├── BatchJob.java │ └── StreamingJob.java └── resources └── log4j.properties
在pom中核心依赖：
<dependencies> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-java</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-streaming-java_2.11</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-clients_2.11</artifactId> <version>${flink.version}</version> </dependency></dependencies>二、编写代码
StreamingJob
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 StreamingJob { public static void main(String[] args) throws Exception { final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); DataStream<Tuple2<String, Integer>> dataStreaming = env .socketTextStream("localhost", 9999) .flatMap(new Splitter()) .keyBy(0) .timeWindow(Time.seconds(5)) .sum(1); dataStreaming.print(); // execute program env.execute("Flink Streaming Java API Skeleton"); } public static class Splitter implements FlatMapFunction<String, Tuple2<String, Integer>> { @Override public void flatMap(String sentence, Collector<Tuple2<String, Integer>> out) throws Exception { for(String word : sentence.split(" ")){ out.collect(new Tuple2<String, Integer>(word, 1)); } } }}三、调试程序
安装netcat工具进行简单调试。
启动netcat 输入：
nc -l 9999
启动程序

在netcat中输入几个单词 逗号分隔

在程序一端查看结果

四、程序提交到Flink
启动flink
windows为 start-cluster.bat linux为start-cluster.sh
localhost:8081查看管理页面

经过maven对代码打包

将打好的包提交到flink上

查看log
tail -f log/flink-*-jobmanager.out
在netcat中继续输入单词，在Running Jobs中查看做业状态，在log中查看输出。

4、Flink 编程模型
Flink提供不一样级别的抽象来开发流/批处理应用程序。

最低级抽象只提供有状态流。
在实践中，大多数应用程序不须要上述低级抽象，而是针对Core API编程， 如DataStream API（有界/无界流）和DataSet API（有界数据集）。
Table Api声明了一个表，遵循关系模型。
最高级抽象是SQL。
咱们这里只用到了DataStream API。
Flink程序的基本构建块是流和转换。
一个程序的基本构成：
l 获取execution environment
l 加载/建立原始数据
l 指定这些数据的转化方法
l 指定计算结果的存放位置
l 触发程序执行

5、DataStreaming API使用一、获取execution environment
StreamExecutionEnvironment是全部Flink程序的基础，获取方法有：
getExecutionEnvironment()
createLocalEnvironment()
createRemoteEnvironment(String host, int port, String ... jarFiles)
通常状况下使用getExecutionEnvironment。若是你在IDE或者常规java程序中执行能够经过createLocalEnvironment建立基于本地机器的StreamExecutionEnvironment。若是你已经建立jar程序但愿经过invoke方式获取里面的getExecutionEnvironment方法可使用createRemoteEnvironment方式。
二、加载/建立原始数据
StreamExecutionEnvironment提供的一些访问数据源的接口
（1）基于文件的数据源
readTextFile(path)readFile(fileInputFormat, path)readFile(fileInputFormat, path, watchType, interval, pathFilter, typeInfo)
（2）基于Socket的数据源（本文使用的）
l socketTextStream

（3）基于Collection的数据源fromCollection(Collection)fromCollection(Iterator, Class)fromElements(T ...)fromParallelCollection(SplittableIterator, Class)generateSequence(from, to)三、转化方法（1）Map方式：DataStream -> DataStream功能：拿到一个element并输出一个element，相似Hive中的UDF函数举例：DataStream<Integer> dataStream = //...dataStream.map(new MapFunction<Integer, Integer>() { @Override public Integer map(Integer value) throws Exception { return 2 * value; }});（2）FlatMap方式：DataStream -> DataStream功能：拿到一个element，输出多个值，相似Hive中的UDTF函数举例：dataStream.flatMap(new FlatMapFunction<String, String>() { @Override public void flatMap(String value, Collector<String> out) throws Exception { for(String word: value.split(" ")){ out.collect(word); } }});（3）Filter方式：DataStream -> DataStream功能：针对每一个element判断函数是否返回true，最后只保留返回true的element举例：dataStream.filter(new FilterFunction<Integer>() { @Override public boolean filter(Integer value) throws Exception { return value != 0; }});（4）KeyBy方式：DataStream -> KeyedStream功能：逻辑上将流分割成不相交的分区，每一个分区都是相同key的元素举例：dataStream.keyBy("someKey") // Key by field "someKey"dataStream.keyBy(0) // Key by the first element of a Tuple（5）Reduce方式：KeyedStream -> DataStream功能：在keyed data stream中进行轮训reduce。举例：keyedStream.reduce(new ReduceFunction<Integer>() { @Override public Integer reduce(Integer value1, Integer value2) throws Exception { return value1 + value2; }});（6）Aggregations方式：KeyedStream -> DataStream功能：在keyed data stream中进行聚合操做举例：keyedStream.sum(0);keyedStream.sum("key");keyedStream.min(0);keyedStream.min("key");keyedStream.max(0);keyedStream.max("key");keyedStream.minBy(0);keyedStream.minBy("key");keyedStream.maxBy(0);keyedStream.maxBy("key");（7）Window方式：KeyedStream -> WindowedStream功能：在KeyedStream中进行使用，根据某个特征针对每一个key用windows进行分组。举例：dataStream.keyBy(0).window(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data（8）WindowAll方式：DataStream -> AllWindowedStream功能：在DataStream中根据某个特征进行分组。举例：dataStream.windowAll(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data（9）Union方式：DataStream* -> DataStream功能：合并多个数据流成一个新的数据流举例：dataStream.union(otherStream1, otherStream2, ...);（10）Split方式：DataStream -> SplitStream功能：将流分割成多个流举例：SplitStream<Integer> split = someDataStream.split(new OutputSelector<Integer>() { @Override public Iterable<String> select(Integer value) { List<String> output = new ArrayList<String>(); if (value % 2 == 0) { output.add("even"); } else { output.add("odd"); } return output; }});（11）Select方式：SplitStream -> DataStream功能：从split stream中选择一个流举例：SplitStream<Integer> split;DataStream<Integer> even = split.select("even");DataStream<Integer> odd = split.select("odd");DataStream<Integer> all = split.select("even","odd");四、输出数据writeAsText()writeAsCsv(...)print() / printToErr() writeUsingOutputFormat() / FileOutputFormatwriteToSocketaddSink