5分钟从零构建第一个 Flink 应用-搭建flink

在本文中，我们将从零开始，教您如何构建***个 Flink 应用程序。

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。

创建 Maven 项目

我们将使用 Flink Maven Archetype 来创建我们的项目结构和一些初始的默认依赖。在你的工作目录下，运行如下命令来创建项目：

mvn archetype:generate \ 
    -DarchetypeGroupId=org.apache.flink \ 
    -DarchetypeArtifactId=flink-quickstart-java \ 
    -DarchetypeVersion=1.6.1 \ 
    -DgroupId=my-flink-project \ 
    -DartifactId=my-flink-project \ 
    -Dversion=0.1 \ 
    -Dpackage=myflink \ 
    -DinteractiveMode=false

你可以编辑上面的 groupId, artifactId, package 成你喜欢的路径。使用上面的参数，Maven 将自动为你创建如下所示的项目结构：

$ tree my-flink-project 
my-flink-project 
├── pom.xml 
└── src 
    └── main 
        ├── java 
        │   └── myflink 
        │       ├── BatchJob.java 
        │       └── StreamingJob.java 
        └── resources 
            └── log4j.properties

我们的 pom.xml 文件已经包含了所需的 Flink 依赖，并且在 src/main/java 下有几个示例程序框架。接下来我们将开始编写***个 Flink 程序。

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***的完整代码粘到编辑器中。

Flink 程序的***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 see = 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)，***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<Tuple2<String, Integer>> wordCounts = 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)); 
            } 
          } 
        });

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<Tuple2<String, Integer>> 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。

***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");

***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 
    final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); 
    // 通过连接 socket 获取输入数据，这里连接到本地9000端口，如果9000端口已被占用，请换一个端口 
    DataStream<String> text = env.socketTextStream("localhost", 9000, "\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"); 
  } 
}

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。