Java&Flink資料處理學習-搭建Flink項目(入門-處理流資料)

Flink處理流式資料

• 搭建項目環境并處理流式資料
• 輸出結果分析

搭建項目環境并處理流式資料

pom

<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>com.bygones</groupId>
    <artifactId>learn-flink</artifactId>
    <version>1.0.0-SNAPSHOT</version>

    <dependencies>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-java</artifactId>
            <version>1.10.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-java_2.12</artifactId>
            <version>1.10.1</version>
        </dependency>
    </dependencies>
</project>
           

Java & flink 處理流式資料的代碼

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.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;

// data stream
// Flink 處理流式資料
// 處理流式資料的API是 DataStream
public class StreamWordCount {
    public static void main(String[] args) throws Exception {
        // 建立流處理執行環境
        StreamExecutionEnvironment executionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment();
        // 設定并行度,預設是電腦CPU核數
        executionEnvironment.setParallelism(8);

        // 從檔案中讀取資料
        String inputPath = "F:\\workspace\\data-process\\flink\\learn-flink\\src\\main\\resources\\batch1.txt";
        // DataStreamSource<String> stringDataStreamSource = executionEnvironment.readTextFile(inputPath);
        DataStream<String> stringDataStream = executionEnvironment.readTextFile(inputPath);

        // 基于資料流對資料進行處理
        SingleOutputStreamOperator<Tuple2<String, Integer>> resultStream = stringDataStream.flatMap(new MyFlatMapper())
                .keyBy(0)
                .sum(1);

        resultStream.print();

        // 上面的代碼隻是定義的對資料的處理流程

        // 執行任務, 資料來一條處理一條
        executionEnvironment.execute();

    }

    // FlatMapFunction<輸入參數的類型, 輸出參數的類型>
    // Tuple2<String,Integer> 二進制組資料類型,例如(word , 1);
    public static class MyFlatMapper implements FlatMapFunction<String,Tuple2<String,Integer>> {

        // 定義對資料的處理規則

        /***
         * <p>
         *     知識點描述:
         *     Collector 收集器, 将需要傳回的資料收集起來
         * </p>
         * @param value 輸入的資料
         * @param collector 收集器, 将需要傳回的資料收集起來
         * @throws Exception
         */
        public void flatMap(String value, Collector<Tuple2<String, Integer>> collector) throws Exception {
            // 按照空格分詞
            String[] words = value.split(" ");
            // 周遊所有word，包成二進制組
            for (String word: words) {
                collector.collect(new Tuple2<String, Integer>(word , 1));
            }
        }
    }
}
           

流式資料的載體

hello world
hello flink
hello spark
hello scala
how are you
fine thank you
and you
           

輸出結果分析

會逐條處理，相當于資料來一條處理一條

會記錄資料的狀态

預設會并行處理資料