摘要：接著我們將數(shù)據(jù)流按照單詞字段即號(hào)索引字段做分組，這里可以簡(jiǎn)單地使用方法，得到一個(gè)以單詞為的數(shù)據(jù)流。得到的結(jié)果數(shù)據(jù)流，將每秒輸出一次這秒內(nèi)每個(gè)單詞出現(xiàn)的次數(shù)。最后一件事就是將數(shù)據(jù)流打印到控制臺(tái)，并開(kāi)始執(zhí)行最后的調(diào)用是啟動(dòng)實(shí)際作業(yè)所必需的。

本文轉(zhuǎn)載自 Jark’s Blog ，作者伍翀（云邪），Apache Flink Committer，阿里巴巴高級(jí)開(kāi)發(fā)工程師。
本文將從開(kāi)發(fā)環(huán)境準(zhǔn)備、創(chuàng)建 Maven 項(xiàng)目，編寫(xiě) Flink 程序、運(yùn)行程序等方面講述如何迅速搭建第一個(gè) Flink 應(yīng)用。
在本文中，我們將從零開(kāi)始，教您如何構(gòu)建第一個(gè) Flink 應(yīng)用程序。

Flink 可以運(yùn)行在 Linux, Max OS X, 或者是 Windows 上。為了開(kāi)發(fā) Flink 應(yīng)用程序，在本地機(jī)器上需要有 Java 8.x 和 maven 環(huán)境。

如果有 Java 8 環(huán)境，運(yùn)行下面的命令會(huì)輸出如下版本信息：

$ 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 環(huán)境，運(yùn)行下面的命令會(huì)輸出如下版本信息：

$ 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"
另外我們推薦使用 ItelliJ IDEA （社區(qū)免費(fèi)版已夠用）作為 Flink 應(yīng)用程序的開(kāi)發(fā) IDE。Eclipse 雖然也可以，但是 Eclipse 在 Scala 和 Java 混合型項(xiàng)目下會(huì)有些已知問(wèn)題，所以不太推薦 Eclipse。下一章節(jié)，我們會(huì)介紹如何創(chuàng)建一個(gè) Flink 工程并將其導(dǎo)入 ItelliJ IDEA。

我們將使用 Flink Maven Archetype 來(lái)創(chuàng)建我們的項(xiàng)目結(jié)構(gòu)和一些初始的默認(rèn)依賴(lài)。在你的工作目錄下，運(yùn)行如下命令來(lái)創(chuàng)建項(xiàng)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

你可以編輯上面的 groupId, artifactId, package 成你喜歡的路徑。使用上面的參數(shù)，Maven 將自動(dòng)為你創(chuàng)建如下所示的項(xiàng)目結(jié)構(gòu)：

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

我們的 pom.xml 文件已經(jīng)包含了所需的 Flink 依賴(lài)，并且在 src/main/java 下有幾個(gè)示例程序框架。接下來(lái)我們將開(kāi)始編寫(xiě)第一個(gè) Flink 程序。

啟動(dòng) IntelliJ IDEA，選擇 "Import Project"（導(dǎo)入項(xiàng)目），選擇 my-flink-project 根目錄下的 pom.xml。根據(jù)引導(dǎo)，完成項(xiàng)目導(dǎo)入。

在 src/main/java/myflink 下創(chuàng)建 SocketWindowWordCount.java 文件：

package myflink;

public class SocketWindowWordCount {

  public static void main(String[] args) throws Exception {

  }
}

現(xiàn)在這程序還很基礎(chǔ)，我們會(huì)一步步往里面填代碼。注意下文中我們不會(huì)將 import 語(yǔ)句也寫(xiě)出來(lái)，因?yàn)?IDE會(huì)自動(dòng)將他們添加上去。在本節(jié)末尾，我會(huì)將完整的代碼展示出來(lái)，如果你想跳過(guò)下面的步驟，可以直接將最后的完整代碼粘到編輯器中。

Flink 程序的第一步是創(chuàng)建一個(gè) StreamExecutionEnvironment 。這是一個(gè)入口類(lèi)，可以用來(lái)設(shè)置參數(shù)和創(chuàng)建數(shù)據(jù)源以及提交任務(wù)。所以讓我們把它添加到 main 函數(shù)中：

StreamExecutionEnvironment see = StreamExecutionEnvironment.getExecutionEnvironment();

下一步我們將創(chuàng)建一個(gè)從本地端口號(hào) 9000 的 socket 中讀取數(shù)據(jù)的數(shù)據(jù)源：

DataStream text = env.socketTextStream("localhost", 9000, "
");

這創(chuàng)建了一個(gè)字符串類(lèi)型的 DataStream。DataStream 是 Flink 中做流處理的核心 API，上面定義了非常多常見(jiàn)的操作（如，過(guò)濾、轉(zhuǎn)換、聚合、窗口、關(guān)聯(lián)等）。在本示例中，我們感興趣的是每個(gè)單詞在特定時(shí)間窗口中出現(xiàn)的次數(shù)，比如說(shuō)5秒窗口。為此，我們首先要將字符串?dāng)?shù)據(jù)解析成單詞和次數(shù)（使用Tuple2表示），第一個(gè)字段是單詞，第二個(gè)字段是次數(shù)，次數(shù)初始值都設(shè)置成了1。我們實(shí)現(xiàn)了一個(gè)flatmap，因?yàn)橐恍袛?shù)據(jù)中可能有多個(gè)單詞。

DataStream> wordCounts = text
        .flatMap(new FlatMapFunction>() {
          @Override
          public void flatMap(String value, Collector> out) {
            for (String word : value.split("s")) {
              out.collect(Tuple2.of(word, 1));
            }
          }
        });

接著我們將數(shù)據(jù)流按照單詞字段（即0號(hào)索引字段）做分組，這里可以簡(jiǎn)單地使用 keyBy(int index)方法，得到一個(gè)以單詞為 key 的Tuple2數(shù)據(jù)流。然后我們可以在流上指定想要的窗口，并根據(jù)窗口中的數(shù)據(jù)計(jì)算結(jié)果。在我們的例子中，我們想要每5秒聚合一次單詞數(shù)，每個(gè)窗口都是從零開(kāi)始統(tǒng)計(jì)的。

DataStream> windowCounts = wordCounts
        .keyBy(0)
        .timeWindow(Time.seconds(5))
        .sum(1);

第二個(gè)調(diào)用的 .timeWindow()指定我們想要5秒的翻滾窗口（Tumble）。第三個(gè)調(diào)用為每個(gè)key每個(gè)窗口指定了sum聚合函數(shù)，在我們的例子中是按照次數(shù)字段（即1號(hào)索引字段）相加。得到的結(jié)果數(shù)據(jù)流，將每5秒輸出一次這5秒內(nèi)每個(gè)單詞出現(xiàn)的次數(shù)。

最后一件事就是將數(shù)據(jù)流打印到控制臺(tái)，并開(kāi)始執(zhí)行：

windowCounts.print().setParallelism(1);
env.execute("Socket Window WordCount");

最后的 env.execute調(diào)用是啟動(dòng)實(shí)際Flink作業(yè)所必需的。所有算子操作（例如創(chuàng)建源、聚合、打?。┲皇菢?gòu)建了內(nèi)部算子操作的圖形。只有在execute()被調(diào)用時(shí)才會(huì)在提交到集群上或本地計(jì)算機(jī)上執(zhí)行。

下面是完整的代碼，部分代碼經(jīng)過(guò)簡(jiǎn)化（代碼在 GitHub 上也能訪問(wèn)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 {

    // 創(chuàng)建 execution environment
    final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    // 通過(guò)連接 socket 獲取輸入數(shù)據(jù)，這里連接到本地9000端口，如果9000端口已被占用，請(qǐng)換一個(gè)端口
    DataStream text = env.socketTextStream("localhost", 9000, "
");

    // 解析數(shù)據(jù)，按 word 分組，開(kāi)窗，聚合
    DataStream> windowCounts = text
        .flatMap(new FlatMapFunction>() {
          @Override
          public void flatMap(String value, Collector> out) {
            for (String word : value.split("s")) {
              out.collect(Tuple2.of(word, 1));
            }
          }
        })
        .keyBy(0)
        .timeWindow(Time.seconds(5))
        .sum(1);

    // 將結(jié)果打印到控制臺(tái)，注意這里使用的是單線程打印，而非多線程
    windowCounts.print().setParallelism(1);

    env.execute("Socket Window WordCount");
  }
}

要運(yùn)行示例程序，首先我們?cè)诮K端啟動(dòng) netcat 獲得輸入流：

nc -lk 9000

如果是 Windows 平臺(tái)，可以通過(guò) nmap.org/ncat/ 安裝 ncat 然后運(yùn)行：

ncat -lk 9000

然后直接運(yùn)行SocketWindowWordCount的 main 方法。

只需要在 netcat 控制臺(tái)輸入單詞，就能在 SocketWindowWordCount 的輸出控制臺(tái)看到每個(gè)單詞的詞頻統(tǒng)計(jì)。如果想看到大于1的計(jì)數(shù)，請(qǐng)?jiān)?秒內(nèi)反復(fù)鍵入相同的單詞。

Cheers !