在本文中，我們將從零開始，教您如何構建第一個Apache Flink （以下簡稱Flink）應用程序。

開發環境準備

Flink 可以運行在 Linux, Max OS X, 或者是 Windows 上。為了開發 Flink 應用程序，在本地機器上需要有?Java 8.x?和?maven?環境。

如果有 Java 8 環境，運行下面的命令會輸出如下版本信息：

$ 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 環境，運行下面的命令會輸出如下版本信息：

$ 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 （社區免費版已夠用）作為 Flink 應用程序的開發 IDE。Eclipse 雖然也可以，但是 Eclipse 在 Scala 和 Java 混合型項目下會有些已知問題，所以不太推薦 Eclipse。下一章節，我們會介紹如何創建一個 Flink 工程并將其導入 ItelliJ IDEA。

創建 Maven 項目

我們將使用 Flink Maven Archetype 來創建我們的項目結構和一些初始的默認依賴。在你的工作目錄下，運行如下命令來創建項目：

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，Maven 將自動為你創建如下所示的項目結構：

$ 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 文件已經包含了所需的 Flink 依賴，并且在 src/main/java 下有幾個示例程序框架。接下來我們將開始編寫第一個 Flink 程序。

編寫 Flink 程序

啟動 IntelliJ IDEA，選擇 "Import Project"（導入項目），選擇 my-flink-project 根目錄下的 pom.xml。根據引導，完成項目導入。

在 src/main/java/myflink 下創建?SocketWindowWordCount.java?文件：

package myflink;public class SocketWindowWordCount {public static void main(String[] args) throws Exception {}
}

現在這程序還很基礎，我們會一步步往里面填代碼。注意下文中我們不會將 import 語句也寫出來，因為 IDE 會自動將他們添加上去。在本節末尾，我會將完整的代碼展示出來，如果你想跳過下面的步驟，可以直接將最后的完整代碼粘到編輯器中。

Flink 程序的第一步是創建一個?StreamExecutionEnvironment?。這是一個入口類，可以用來設置參數和創建數據源以及提交任務。所以讓我們把它添加到 main 函數中：

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

下一步我們將創建一個從本地端口號 9000 的 socket 中讀取數據的數據源：

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

這創建了一個字符串類型的?DataStream。DataStream?是 Flink 中做流處理的核心 API，上面定義了非常多常見的操作（如，過濾、轉換、聚合、窗口、關聯等）。在本示例中，我們感興趣的是每個單詞在特定時間窗口中出現的次數，比如說5秒窗口。為此，我們首先要將字符串數據解析成單詞和次數（使用Tuple2<String, Integer>表示），第一個字段是單詞，第二個字段是次數，次數初始值都設置成了1。我們實現了一個?flatmap?來做解析的工作，因為一行數據中可能有多個單詞。

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

接著我們將數據流按照單詞字段（即0號索引字段）做分組，這里可以簡單地使用?keyBy(int index)?方法，得到一個以單詞為 key 的Tuple2<String, Integer>數據流。然后我們可以在流上指定想要的窗口，并根據窗口中的數據計算結果。在我們的例子中，我們想要每5秒聚合一次單詞數，每個窗口都是從零開始統計的：。

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

第二個調用的?.timeWindow()?指定我們想要5秒的翻滾窗口（Tumble）。第三個調用為每個key每個窗口指定了sum聚合函數，在我們的例子中是按照次數字段（即1號索引字段）相加。得到的結果數據流，將每5秒輸出一次這5秒內每個單詞出現的次數。

最后一件事就是將數據流打印到控制臺，并開始執行：

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

最后的?env.execute?調用是啟動實際Flink作業所必需的。所有算子操作（例如創建源、聚合、打印）只是構建了內部算子操作的圖形。只有在execute()被調用時才會在提交到集群上或本地計算機上執行。

下面是完整的代碼，部分代碼經過簡化（代碼在?GitHub?上也能訪問到）：

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 {// 創建 execution environmentfinal StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();// 通過連接 socket 獲取輸入數據，這里連接到本地9000端口，如果9000端口已被占用，請換一個端口DataStream text = env.socketTextStream("localhost", 9000, "\n");// 解析數據，按 word 分組，開窗，聚合DataStream> windowCounts = text.flatMap(new FlatMapFunction>() {@Overridepublic 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);// 將結果打印到控制臺，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");}
}

運行程序

要運行示例程序，首先我們在終端啟動 netcat 獲得輸入流：

nc -lk 9000

如果是 Windows 平臺，可以通過?https://nmap.org/ncat/?安裝 ncat 然后運行：

ncat -lk 9000

然后直接運行SocketWindowWordCount的 main 方法。

只需要在 netcat 控制臺輸入單詞，就能在?SocketWindowWordCount?的輸出控制臺看到每個單詞的詞頻統計。如果想看到大于1的計數，請在5秒內反復鍵入相同的單詞。

作者：伍翀

原文鏈接?

本文為云棲社區原創內容，未經允許不得轉載。