開發環境依賴
PyFlink作業的開發和運作需要依賴Python 3.5/3.6/3.7 版本和Java 8或者Java 11,本遊樂場所使用的環境是Java 1.8.0_211, Python 3.7.7 還有一些其他基礎軟體如下;
- Java 1.8.0_211
- Python 3.7.7
- PIP 20.0.2
- PyCharm Runtime version: 11.0.7
- MocOS 10.14.6
PyCharm 配置 Python interpreter
應用PyCharm進行開發首先要配置一下項目所使用的Python環境,配置路徑
PyCharm -> Preferences -> Project Interpreter
如下:
點選
Add
配置新的環境,如下:
一路”OK“,完成配置。
安裝PyFlink
我們先利用PyCharm建立一些項目,名為
PyFlinkPlayground
, 并為項目選擇我們剛才建立的Virtualenv環境,如下:
建立之後,我們會看到
External Libraries
裡面使用了
PlaygroundEnv
, 但是初始化并沒有PyFlink,是以我們需要進行顯示的安裝,如下:
我們可以手工安裝PyFlink,直接在PyCharm的
Terminal
下進行安裝,這時候我們自動就是啟動的
PlaygroundEnv
環境,在安裝的過程中你也可以看到
site-packages
内容會不斷增加,
(PlaygroundEnv) jincheng:~ jincheng.sunjc$ python --version
Python 3.7.7
(PlaygroundEnv) jincheng:~ jincheng.sunjc$ python -m pip install apache-flink==1.11.1
Collecting apache-flink==1.11.1
Using cached apache_flink-1.11.1-cp37-cp37m-macosx_10_9_x86_64.whl (206.7 MB)
...
...
Successfully installed apache-beam-2.19.0 apache-flink-1.11.1 avro-python3-1.9.1 certifi-2020.6.20 chardet-3.0.4 cloudpickle-1.2.2 crcmod-1.7 dill-0.3.1.1 docopt-0.6.2 fastavro-0.21.24 future-0.18.2 grpcio-1.30.0 hdfs-2.5.8 httplib2-0.12.0 idna-2.10 jsonpickle-1.2 mock-2.0.0 numpy-1.19.1 oauth2client-3.0.0 pandas-0.25.3 pbr-5.4.5 protobuf-3.12.4 py4j-0.10.8.1 pyarrow-0.15.1 pyasn1-0.4.8 pyasn1-modules-0.2.8 pydot-1.4.1 pymongo-3.11.0 pyparsing-2.4.7 python-dateutil-2.8.0 pytz-2020.1 requests-2.24.0 rsa-4.6 six-1.15.0 typing-3.7.4.3 typing-extensions-3.7.4.2 urllib3-1.25.10
(PlaygroundEnv) jincheng:~ jincheng.sunjc$
最終完成之後你可以在
site-packages
下面找的
pyflink
目錄,如下:
有了這些資訊我們就可以進行PyFlink的作業開發了。
HelloWorld 示例
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.table import EnvironmentSettings, StreamTableEnvironment
def hello_world():
"""
從随機Source讀取資料,然後直接利用PrintSink輸出。
"""
settings = EnvironmentSettings.new_instance().in_streaming_mode().use_blink_planner().build()
env = StreamExecutionEnvironment.get_execution_environment()
t_env = StreamTableEnvironment.create(stream_execution_environment=env, environment_settings=settings)
source_ddl = """
CREATE TABLE random_source (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'datagen',
'rows-per-second'='5',
'fields.f_sequence.kind'='sequence',
'fields.f_sequence.start'='1',
'fields.f_sequence.end'='1000',
'fields.f_random.min'='1',
'fields.f_random.max'='1000',
'fields.f_random_str.length'='10'
)
"""
sink_ddl = """
CREATE TABLE print_sink (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'print'
)
"""
# 注冊source和sink
t_env.execute_sql(source_ddl);
t_env.execute_sql(sink_ddl);
# 資料提取
tab = t_env.from_path("random_source");
# 這裡我們暫時先使用 标注了 deprecated 的API, 因為新的異步送出測試有待改進...
tab.insert_into("print_sink");
# 執行作業
t_env.execute("Flink Hello World");
if __name__ == '__main__':
hello_world()
上面代碼在PyCharm裡面右鍵運作就應該列印如下結果了:
開發日志
正常來講我們可能開發一些UDF,可能列印一些日志或者特殊情況還可能進行Python代碼的調試,怎麼解?
- 首先,我們定義一個UDF,在UDF裡面添加調試日志,如下:
# 定義UDF
@udf(input_types=[DataTypes.STRING()], result_type=DataTypes.STRING())
def pass_by(str):
logging.error("Some debugging infomation...")
return str
- 然後在SQL裡面使用這個UDF,如下:
# 注冊 UDF
t_env.register_function('pass_by', pass_by)
# 使用UDF
tab.select("f_sequence, f_random, pass_by(f_random_str) ")
- 完整的代碼
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.table import EnvironmentSettings, StreamTableEnvironment, DataTypes
from pyflink.table.udf import udf
import logging
# 定義UDF
@udf(input_types=[DataTypes.STRING()], result_type=DataTypes.STRING())
def pass_by(str):
logging.error("Some debugging infomation...")
return "pass_by_" + str
def hello_world():
"""
從随機Source讀取資料,然後直接利用PrintSink輸出。
"""
settings = EnvironmentSettings.new_instance().in_streaming_mode().use_blink_planner().build()
env = StreamExecutionEnvironment.get_execution_environment()
t_env = StreamTableEnvironment.create(stream_execution_environment=env, environment_settings=settings)
t_env.get_config().get_configuration().set_boolean("python.fn-execution.memory.managed", True)
source_ddl = """
CREATE TABLE random_source (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'datagen',
'rows-per-second'='5',
'fields.f_sequence.kind'='sequence',
'fields.f_sequence.start'='1',
'fields.f_sequence.end'='1000',
'fields.f_random.min'='1',
'fields.f_random.max'='1000',
'fields.f_random_str.length'='10'
)
"""
sink_ddl = """
CREATE TABLE print_sink (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'print'
)
"""
# 注冊source和sink
t_env.execute_sql(source_ddl);
t_env.execute_sql(sink_ddl);
# 注冊 UDF
t_env.register_function('pass_by', pass_by)
# 資料提取
tab = t_env.from_path("random_source");
# 這裡我們暫時先使用 标注了 deprecated 的API, 因為新的異步送出測試有待改進...
tab.select("f_sequence, f_random, pass_by(f_random_str) ").insert_into("print_sink")
# 執行作業
t_env.execute("Flink Hello World");
if __name__ == '__main__':
hello_world()
那麼運作之後,日志在哪裡呢?就是在項目的
PlaygroundEnv -> site-packages -> pyflink -> log
目錄 ,如下:
到這裡,簡單的 開發環境就OK了,大家可以改改代碼,直覺體驗一下。。。
遊樂場設施
- PyFlink 1.11 遊樂場 - 序
- [PyFlink 1.11 遊樂場 - 開發環境準備]()