Flink学习-单词统计WordCount

news2024/9/23 1:24:03

WordCount（流处理）

通过socket数据源，去请求一个socket服务（9999）,得到数据流然后统计数据流中出现的单词及其个数

1.创建一个编程入口，生成环境

StreamExecutionEnvironment streamEnv = StreamExecutionEnvironment.getExecutionEnvironment();

ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
// 批处理入口环境
StreamExecutionEnvironment env = StreamExecutionEnvironment. getExecutionEnvironment(); //流批一体的入口环境

2.设置该环境的默认并行度

streamEnv.setParallelism(1);

本地运行模式时，程序的默认并行度为CPU的逻辑核数

3.通过source算子，把socket数据源加载为一个dataStream（数据流）

DataStreamSource<String> source = env.socketTextStream("localhost", 9999);

4.通过算子对数据流进行各种转换(计算逻辑)

SingleOutputStreamOperator<Tuple2<String, Integer>> words = source.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
    @Override
     public void flatMap(String s, Collector<Tuple2<String, Integer>> collector) throws Exception {
        //切单词
        String[] split = s.split("//s+");
        for (String word : split) {
          //返回每一对（单词，1）
          collector.collect(Tuple2.of(word, 1));
        }
     }
});

输入数据流由文本行组成，flatMap 函数将每行拆分为单独的单词，并将它们作为单独的输出元素发出。生成的数据流包含所有输入行中的所有单词。

KeyedStream<Tuple2<String, Integer>, String> Keyed = words.keyBy(new KeySelector<Tuple2<String, Integer>, String>() {
            @Override
            public String getKey(Tuple2<String, Integer> tuple2) throws Exception {

                return tuple2.f0;
            }
        });
SingleOutputStreamOperator<Tuple2<String, Integer>> resultStream = Keyed.sum("f1");

将输入数据流 words 转换成一个键控流 (KeyedStream)，使用 .keyBy() 方法指定按照元组中的第一个元素 f0 进行键控，也就是相同的 f0 值将被分到同一个分区中。这里用了匿名类实现了 KeySelector 接口，用于从元组中提取出键值。然后，调用 .sum() 方法对键控流进行求和操作。由于之前已经根据元组中的第一个元素进行了分区，所以对每个分区内所有元组的第二个元素 f1 求和得到的结果是每个不同键的数量总和。最后，将结果流 resultStream 作为输出。