What Apache Flink
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。
 
分布式大数据处理引擎
ASP站长网是一个分布式的、高可用的用于大数据处理的计算引擎
 
有限流和无限流
有限流:有始有终的数据流。即传统意义上的批数据,进行批处理
无限流:有始无终的数据流。即现实生活中的流数据,进行流处理
 
有状态计算
良好的状态机制,进行较好的容错处理和任务恢复。同时实现 Exactly-Once 语义。
 
各种集群环境
可部署standalone、Flink on yarn、Flink on Mesos、Flink on k8s等等
 
Flink Application
Streams
数据在真实世界中是不停产生不停发出的,所以数据处理也应该还原真实,做到真正的流处理。而批处理则是流处理的特殊情况
 
即上面说的有限流和无限流,贴官网图说明。
Apache Flink 简单介绍和入门
State
在流计算场景中,其实所有流计算本质上都是增量计算(Incremental Processing)。
例如,计算前几个小时或者一直以来的某个指标(PV、UV等),计算完一条数据之后需要保存其计算结果即状态,以便和下一条计算结果合并。
另外,保留计算状态,进行 CheckPoint 可以很好地实现流计算的容错和任务恢复,也可以实现Exactly Once处理语义
 
Time
三类时间:
 
Event Time:事件真实产生的时间
Processing Time:事件被 Flink 程序处理的时间
Ingestion Time:事件进入到 Flink 程序的时间
API
API分三层,越接近SQL层,越抽象,灵活性越低,但更简单易用。
 
SQL/Table层:直接使用SQL进行数据处理
DataStream/DataSet API:最核心的API,对流数据进行处理,可在其上实现自定义的WaterMark、Windows、State等操作
ProcessFunction:也叫RunTime层,最底层的API,带状态的事件驱动。
Apache Flink 简单介绍和入门
Flink Architecture
Data Pipeline Applications
即 real-time Stream ETL:流式ETL拆分。
通常,ETL都是通过定时任务调度SQL文件或者MR任务来执行的。在实时ETL场景中,将批量ETL逻辑写到流处理中,分散计算压力和提高计算结果的实时性。
多用于实时数仓、实时搜索引擎等
Apache Flink 简单介绍和入门
 
Data Analytics Applications
即数据分析,包括流式数据分析和批量数据分析。例如实时报表、实时大屏。
Apache Flink 简单介绍和入门
 
Event-driven Applications
即事件驱动应用,在一个有状态的计算过程中,通常情况下都是将状态保存在第三方系统(如Hbase Redis等)中。
而在Flink中,状态是保存在内部程序中,减少了状态存取的不必要的I/O开销,更大吞吐量和更低延时。
Apache Flink 简单介绍和入门
 
第一个 Flink 程序
开发环境要求
主要是Java环境和Maven环境。Java要求JDK1.8,Maven要求3.0以上,开发工具推荐使用 ItelliJ IDEA,社区说法:Eclipse在Java和Scala混合编程下有问题,故不推荐。
 
代码示例:
package source.streamDataSource;
 
 
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
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{
 
        if(args.length!=2){
            System.err.println("Usage:\nSocketWindowWordCount hostname port");
        }
 
        // 获取程序参数
        String hostname = args[0];
        int port = Integer.parseInt(args[1]);
 
        // 入口类,用于设置环境和参数等
        StreamExecutionEnvironment see = StreamExecutionEnvironment.getExecutionEnvironment();
        
        // 设置 Time 类型
        see.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);
 
        // 从指定 IP 端口 读取流数据,返回一个 DataStreamSource
        DataStreamSource<String> text = see.socketTextStream(hostname, port, "\n", 5);
 
        // 在 DataStreamSource 上做操作即 transformation 
        DataStream<Tuple2<String, Integer>> windowCount = text
                // flatMap , FlatMap接口的实现:将获取到的数据分割,并每个元素组合成 (word, count)形式
                .flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
            @Override
            public void flatMap(String value, Collector<Tuple2<String, Integer>> collector) throws Exception {
                for (String word : value.split("\\s")) {
                    collector.collect(Tuple2.of(word, 1));
                }
            }
        })
                // 按位置指定key,进行聚合操作
                .keyBy(0)
                // 指定窗口大小
                .timeWindow(Time.seconds(5))
                // 在每个key上做sum
                // reduce 和 sum 的实现
//                .reduce(new ReduceFunction<Tuple2<String, Integer>>() {
//                    @Override
//                    public Tuple2<String, Integer> reduce(Tuple2<String, Integer> stringIntegerTuple2, Tuple2<String, Integer> t1) throws Exception {
//                        return Tuple2.of(stringIntegerTuple2.f0, stringIntegerTuple2.f1+t1.f1);
//                    }
//                });
                .sum(1);
 
        // 一个线程执行
        windowCount.print().setParallelism(1);
        see.execute("Socket Window WordCount");
 
        // 其他 transformation 操作示例
//        windowCount
//                .map(new MapFunction<Tuple2<String,Integer>, String>() {
//                    @Override
//                    public String map(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
//                        return stringIntegerTuple2.f0;
//                    }
//                })
//                .print();
//
//        text.filter(new FilterFunction<String>() {
//            @Override
//            public boolean filter(String s) throws Exception {
//                return s.contains("h");
//            }
//        })
//                .print();
//
//        SplitStream<String> split = text.split(new OutputSelector<String>() {
//            @Override
//            public Iterable<String> select(String value) {
//                ArrayList<String> strings = new ArrayList<>();
//                if (value.contains("h"))
//                    strings.add("Hadoop");
//                else
//                    strings.add("noHadoop");
//                return strings;
//
//            }
//        });
//
//        split.select("hadoop").print();
//        split.select("noHadoop").map(new MapFunction<String, String>() {
//            @Override
//            public String map(String s) throws Exception {
//
//                return s.toUpperCase();
//            }
//        }).print();
 
    }
}

dawei

【声明】:九江站长网内容转载自互联网,其相关言论仅代表作者个人观点绝非权威,不代表本站立场。如您发现内容存在版权问题,请提交相关链接至邮箱:bqsm@foxmail.com,我们将及时予以处理。