Apache Flink是什么?

Apache Flink 是一个分布式大数据处理引擎,可对有限数据流和无限数据流进行有状态计算。可部署在各种集群环境,对各种大小的数据规模进行快速计算。上面是非常官方的描述,说白了我们为什么选择Flink,是因为他在社区口碑非常不错。在国内的话有阿里这种大数据大流量的公司一直在输出,当然像腾讯、华为、饿了么、滴滴等也都有使用Apache Flink。

进入正题

本篇博文涉及到的软件工具以及下载地址:

Apache Flink :https://flink.apache.org/downloads.html

Netcat:https://eternallybored.org/misc/netcat/

Netcat是一个有“瑞士军刀”美誉的网络工具,这里用来绑定端口等待Apache Flink的连接

第一步:启动Flink

从上面的地址下载Flink后是一个压缩包,解压后的目录结构如下:

/conf/flink-conf.yaml里有一些Flink的基本配置信息,如,jobmanager、taskmanager的端口和jvm内存(默认1024M)大小,web控制台的端口(默认8081)等。我们可以不该任何配置,然后进入到bin下,执行start-cluster.bat。这里要注意不是并不是flink.bat。flink.bat是用来提交job的。还有要确保相关的端口没有被占用

运行成功后会有两个java黑窗口(一个TaskManager、一个JobManager),如果只有一个java黑窗口,很可能是你的TaskManager因为端口占用没有启动起来,成功后访问:http://localhost:8081.就会看到如下的web管理控制台了:

如果启动失败的话,上面箭头所指向的地方应该是0.

第二步:job任务编写

1.首先需要新建一个maven工程,然后导入Flink的接口依赖

  1. <groupId>org.apache.flink</groupId>
  2. <artifactId>flink-java</artifactId>
  3. <version>1.7.1</version>

 

  1. <groupId>org.apache.flink</groupId>
  2. <artifactId>flink-streaming-java_2.11</artifactId>
  3. <version>1.7.1</version>

 

  1. <groupId>org.apache.flink</groupId>
  2. <artifactId>flink-clients_2.11</artifactId>
  3. <version>1.7.1</version>

2.编写具体的job,官方提供了一个单词统计的demo

package com.kl;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.ReduceFunction;
import org.apache.flink.api.java.utils.ParameterTool;
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 {

  1. // the host and the port to connect to
  2. final String hostname;
  3. final int port;
  4. try {
  5. final ParameterTool params = ParameterTool.fromArgs(args);
  6. hostname = params.has("hostname") ? params.get("hostname") : "localhost";
  7. port = params.has("port") ? params.getInt("port"):9000;
  8. } catch (Exception e) {
  9. System.err.println("No port specified. Please run 'SocketWindowWordCount " +
  10. "--hostname <hostname> --port <port>', where hostname (localhost by default) " +
  11. "and port is the address of the text server");
  12. System.err.println("To start a simple text server, run 'netcat -l <port>' and " +
  13. "type the input text into the command line");
  14. return;
  15. }
  16. // get the execution environment
  17. final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
  18. // get input data by connecting to the socket
  19. DataStream<String> text = env.socketTextStream(hostname, port, "\\n");
  20. // parse the data, group it, window it, and aggregate the counts
  21. DataStream<WordWithCount> windowCounts = text
  22. .flatMap(new FlatMapFunction<String, WordWithCount>() {
  23. public void flatMap(String value, Collector<WordWithCount> out) {
  24. for (String word : value.split("\\\s")) {
  25. out.collect(new WordWithCount(word, 1L));
  26. } }})
  27. .keyBy("word")
  28. .timeWindow(Time.seconds(5))
  29. .reduce(new ReduceFunction<WordWithCount>() {
  30. public WordWithCount reduce(WordWithCount a, WordWithCount b) {
  31. return new WordWithCount(a.word, a.count + b.count);
  32. }});
  33. // print the results with a single thread, rather than in parallel
  34. windowCounts.print().setParallelism(1);
  35. env.execute("Socket Window WordCount");

}
/**

  1. \* Data type for words with count.
  2. */

public static class WordWithCount {

  1. public String word;
  2. public long count;
  3. public WordWithCount() {}
  4. public WordWithCount(String word, long count) {
  5. this.word = word;
  6. this.count = count;
  7. }
  8. @Override
  9. public String toString() {
  10. return word + " : " + count;
  11. }

}
}

上面demo实现了从启动参数中获取ip和端口,然后连接从输入流接收文本信息,然后统计文本里单词出现的次数。因为要打成可运行的jar,所以,还需要引入maven的jar打包插件,如下:

  1. <plugins>
  2. <plugin>
  3. <groupId>org.apache.maven.plugins</groupId>
  4. <artifactId>maven-shade-plugin</artifactId>
  5. <version>1.2.1</version>
  6. <executions>
  7. <execution>
  8. <phase>package</phase>
  9. <goals>
  10. <goal>shade</goal>
  11. </goals>
  12. <configuration>
  13. <transformers>
  14. <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
  15. <mainClass>com.kl.SocketWindowWordCount</mainClass>
  16. </transformer>
  17. </transformers>
  18. </configuration>
  19. </execution>
  20. </executions>
  21. </plugin>
  22. </plugins>

mainClass标签中就是你的main方法所在类全类名。然后mvn install就可以打出一个可运行的jar包了。

第三步:Netcat监听端口,等待连接

从上面贴的地址下载Netcat后,是一个压缩包,有些安全软件可能会报病毒,请忽略就好了。然后解压文件目录如下:

进入到这个目录,然后执行: nc64.exe -l -p 9000。相当于打开了9000端口,并监听了入站信息。最后实现的效果就是从这个窗口中输入的数据,回车后会发送Apache Flink中我们提交的job中处理输出,所以这里的9000端口,要和我们等下启动job的启动参数端口一致。

第四步:提交job运行

运行job有两种方式:可以通过Flink.bat运行,也可以通过web控制台运行。

命令行运行:

flink run E:\flinkWorkingspce\flinkdemo\target\finlk-demo-1.0-SNAPSHOT.jar --port 9000

web控制台运行:

如上图,点击Add New后选择你的jar包然后上传,上传成功就会在列表里列出来。然后选中你上传的jar。就会出现如下图的输入框,可以输入你的启动参数,然后点击submit提交就可以了

第五步:验证效果

提交后如果没有问题,job的详情页面如下:

这个时候我们从Netcat的监听的黑窗口中敲入一些长文本,就会在Flink的job里统计输出出来如:

 

posted on 2019-12-13 10:08  ldsweely  阅读(2951)  评论(0编辑  收藏  举报