Flink day01

Flink简介
Flink起源于Stratosphere项目，Stratosphere是在2010~2014年由3所地处柏林的大学和欧洲的一些其他的大学共同进行的研究项目，2014年4月Stratosphere的代码被复制并捐赠给了Apache软件基金会，参加这个孵化项目的初始成员是Stratosphere系统的核心开发人员，2014年12月，Flink一跃成为Apache软件基金会的顶级项目。
在德语中，Flink一词表示快速和灵巧，项目采用一只松鼠的彩色图案作为logo，这不仅是因为松鼠具有快速和灵巧的特点，还因为柏林的松鼠有一种迷人的红棕色，而Flink的松鼠logo拥有可爱的尾巴，尾巴的颜色与Apache软件基金会的logo颜色相呼应，也就是说，这是一只Apache风格的松鼠。

在这里插入图片描述

Flink项目的理念是：“Apache Flink是为分布式、高性能、随时可用以及准确的流处理应用程序打造的开源流处理框架”。
Apache Flink是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算。Flink被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算。

在这里插入图片描述
Flink的重要特点
事件驱动型(Event-driven)
事件驱动型应用是一类具有状态的应用，它从一个或多个事件流提取数据，并根据到来的事件触发计算、状态更新或其他外部动作。比较典型的就是以kafka为代表的消息队列几乎都是事件驱动型应用。
与之不同的就是SparkStreaming微批次，如图：
在这里插入图片描述
事件驱动型：

流与批的世界观
批处理的特点是有界、持久、大量，非常适合需要访问全套记录才能完成的计算工作，一般用于离线统计。
流处理的特点是无界、实时, 无需针对整个数据集执行操作，而是对通过系统传输的每个数据项执行操作，一般用于实时统计。

在spark的世界观中，一切都是由批次组成的，离线数据是一个大批次，而实时数据是由一个一个无限的小批次组成的。
而在flink的世界观中，一切都是由流组成的，离线数据是有界限的流，实时数据是一个没有界限的流，这就是所谓的有界流和无界流。

无界数据流：无界数据流有一个开始但是没有结束，它们不会在生成时终止并提供数据，必须连续处理无界流，也就是说必须在获取后立即处理event。对于无界数据流我们无法等待所有数据都到达，因为输入是无界的，并且在任何时间点都不会完成。处理无界数据通常要求以特定顺序（例如事件发生的顺序）获取event，以便能够推断结果完整性。
有界数据流：有界数据流有明确定义的开始和结束，可以在执行任何计算之前通过获取所有数据来处理有界流，处理有界流不需要有序获取，因为可以始终对有界数据集进行排序，有界流的处理也称为批处理。

在这里插入图片描述
分层api

在这里插入图片描述
最底层级的抽象仅仅提供了有状态流，它将通过过程函数（Process Function）被嵌入到DataStream API中。底层过程函数（Process Function）与 DataStream API 相集成，使其可以对某些特定的操作进行底层的抽象，它允许用户可以自由地处理来自一个或多个数据流的事件，并使用一致的容错的状态。除此之外，用户可以注册事件时间并处理时间回调，从而使程序可以处理复杂的计算。
实际上，大多数应用并不需要上述的底层抽象，而是针对核心API（Core APIs）进行编程，比如DataStream API（有界或无界流数据）以及DataSet API（有界数据集）。这些API为数据处理提供了通用的构建模块，比如由用户定义的多种形式的转换（transformations），连接（joins），聚合（aggregations），窗口操作（windows）等等。DataSet API 为有界数据集提供了额外的支持，例如循环与迭代。这些API处理的数据类型以类（classes）的形式由各自的编程语言所表示。
Table API 是以表为中心的声明式编程，其中表可能会动态变化（在表达流数据时）。Table API遵循（扩展的）关系模型：表有二维数据结构（schema）（类似于关系数据库中的表），同时API提供可比较的操作，例如select、project、join、group-by、aggregate等。Table API程序声明式地定义了什么逻辑操作应该执行，而不是准确地确定这些操作代码的看上去如何。
尽管Table API可以通过多种类型的用户自定义函数（UDF）进行扩展，其仍不如核心API更具表达能力，但是使用起来却更加简洁（代码量更少）。除此之外，Table API程序在执行之前会经过内置优化器进行优化。
你可以在表与 DataStream/DataSet 之间无缝切换，以允许程序将 Table API 与 DataStream 以及 DataSet 混合使用。
Flink提供的最高层级的抽象是 SQL 。这一层抽象在语法与表达能力上与 Table API 类似，但是是以SQL查询表达式的形式表现程序。SQL抽象与Table API交互密切，同时SQL查询可以直接在Table API定义的表上执行。

目前Flink作为批处理还不是主流，不如Spark成熟，所以DataSet使用的并不是很多。Flink Table API和Flink SQL也并不完善，大多都由各大厂商自己定制。所以我们主要学习DataStream API的使用。实际上Flink作为最接近Google DataFlow模型的实现，是流批统一的观点，所以基本上使用DataStream就可以了。

Flink几大模块
Flink Table & SQL(还没开发完)
Flink Gelly(图计算)
Flink CEP(复杂事件处理)

搭建maven工程

批处理代码

package com.cn.wordcount

import org.apache.flink.api.scala._

object WordCount {
  def main(args: Array[String]): Unit = {
    //创建执行环境
    val env = ExecutionEnvironment.getExecutionEnvironment
    val inputPath="D:\\IdeaProjects\\flinkday01\\src\\main\\resources\\data.txt"
    val inputDS = env.readTextFile(inputPath)
//    inputDS.print()
    // 分词之后，对单词进行groupby分组，然后用sum进行聚合
    val result= inputDS.flatMap(_.split(" ")).map((_, 1)).groupBy(0).sum(1)
    result.print()

  }

}

pom

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>flinkday01</artifactId>
    <version>1.0-SNAPSHOT</version>


    <dependencies>
        
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-scala_2.11</artifactId>
            <version>1.10.1</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-scala -->
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-scala_2.11</artifactId>
            <version>1.10.1</version>
        </dependency>

    </dependencies>
    <build>
        <plugins>
            <!-- 该插件用于将Scala代码编译成class文件 -->
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.4.6</version>
                <executions>
                    <execution>
                        <!-- 声明绑定到maven的compile阶段 -->
                        <goals>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>3.0.0</version>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

</project>

结果

SLF4J: Failed to load class "org.slf4j.impl.StaticLoggerBinder".
SLF4J: Defaulting to no-operation (NOP) logger implementation
SLF4J: See http://www.slf4j.org/codes.html#StaticLoggerBinder for further details.
(and,1)
(are,1)
(scala,1)
(thank,1)
(you,3)
(fine,1)
(flink,1)
(world,1)
(hello,3)
(how,1)

Process finished with exit code 0

报错回顾

Cannot find compatible factory for specified execution.target (=local)

解决
修改1.10.0 的版本为1.10.1 成功

<dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-scala_2.11</artifactId>
            <version>1.10.1</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-scala -->
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-scala_2.11</artifactId>
            <version>1.10.1</version>

实时流处理代码

package com.atguigu.wc

import org.apache.flink.api.java.utils.ParameterTool
import org.apache.flink.streaming.api.scala._

/**
  * Copyright (c) 2018-2028 尚硅谷 All Rights Reserved 
  *
  * Project: FlinkTutorial
  * Package: com.atguigu.wc
  * Version: 1.0
  *
  * Created by wushengran on 2020/5/23 11:47
  */

// 流处理 word count，DataStream API
object StreamWordCount {
  def main(args: Array[String]): Unit = {
    // 创建流处理执行环境
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
//    env.setParallelism(8)
//    env.disableOperatorChaining()

    // 从命令参数中读取hostname和port
    val paramTool: ParameterTool = ParameterTool.fromArgs(args)
//    val hostname: String = paramTool.get("host")
//    val port: Int = paramTool.getInt("port")
    val hostname= "192.168.253.129"
    val port= 9999

    // 从socket文本流读取数据
//    val inputDataStream: DataStream[String] = env.socketTextStream("192.168.253.129", 9999)
    val inputDataStream: DataStream[String] = env.socketTextStream(hostname, port)

    // 对DataStream进行转换操作，得到word count结果
    val resultDataStream: DataStream[(String, Int)] = inputDataStream
      .flatMap(_.split(" ")).startNewChain()
      .map( (_, 1))
      .keyBy(_._1)
      .sum(1)

    // 打印输出
    resultDataStream.print().setParallelism(1)

    // 启动job
    env.execute("stream word count job")
  }
}

先启动Linux，输入netcat命令[nc -lk 9999] 9999是端口，然后启动程序，Linux输入内容即可

[root@hadoop01 ~]# nc -lk  9999
55 99 00

输出结果

SLF4J: Failed to load class "org.slf4j.impl.StaticLoggerBinder".
SLF4J: Defaulting to no-operation (NOP) logger implementation
SLF4J: See http://www.slf4j.org/codes.html#StaticLoggerBinder for further details.
(00,1)
(99,1)
(55,1)

Flink部署
Standalone模式
安装

安装
解压缩 flink-1.10.0-bin-scala_2.11.tgz，进入conf目录中。
1）修改 flink/conf/flink-conf.yaml 文件：

jobmanager.rpc.address: hadoop01

修改 /conf/slaves文件：

hadoop02
hadoop03

将flnk目录发给另外两台节点

[root@hadoop01 software]# scp -r  flink root@hadoop02:/home/software/
[root@hadoop01 software]# scp -r  flink root@hadoop03:/home/software/

启动

[root@hadoop01 bin]# pwd
/home/software/flink/bin
[root@hadoop01 bin]# ./start-cluster.sh 

Starting cluster.
Starting standalonesession daemon on host hadoop01.
Starting taskexecutor daemon on host hadoop02.
Starting taskexecutor daemon on host hadoop03.

查看进程

[root@hadoop01 bin]# jps
2710 StandaloneSessionClusterEntrypoint
2781 Jps

[root@hadoop02 software]# jps
1921 Jps
1842 TaskManagerRunner

[root@hadoop03 software]# jps
2049 TaskManagerRunner
2100 Jps

访问http://hadoop01:8081可以对flink集群和任务进行监控管理。

在这里插入图片描述

提交任务

准备数据文件
发送data.txt 到Linux服务器
发送jar包到Linux服务器
在bin目录下编写启动命令

Flink day01

相关文章

Flutter项目实战

录音软件哪个好用？推荐3款亲测好用的录音软件

k8s核心资源Service

torch_geometric--Convolutional Layers

JDBC-BasicDAO

高压放大器在镓基液态金属微型马达驱动实验研究中的应用

【测试如何学代码？】学习代码的最佳实践经验分享

基于php的高校社团信息管理系统

Android studio:Could not find method compile() for arguments 问题解决及两种解决方法探讨延伸

[数据结构基础]排序算法第四弹 -- 归并排序和计数排序

c++之模板【进阶版】

Hugging face教程-使用速查表-快速入门

软件测试利器 | AppCrawler 自动遍历测试工具实践（一）

linux性能优化-中断

云计算是什么

gcc 简介

数据结构——堆的介绍以及应用

JS前端基于canvas给图片添加水印，并下载带有水印的图片

POE交换机全方位解读（中）

PCB电路板单面板和双面板的区别和共同点