阿卡姆科普报告——Flink

Flink 是一个针对流数据和批数据的分布式处理引擎。说起Flink那么必定会和Spark比一比，从slogan来看也能看出来一些区别（详细内容，可以参考下面链接）：

Apache Flink is an open source platform for distributed stream and batch data processing Apache Spark™ is a fast and general engine for large-scale data processing.

从基本架构来看：

其他一些基本对比，如下表：

从架构上可以看出，Flink从开始就对off-heap很介意，所以他们一直致力于自己控制内存，而spark是从1.5以后，才尝试开始自己控制内存。其他一些模块各有启发，我也不是历史学家，无从考证，但是个人还是都不太喜欢目前的使用的提交方式。

好了，13装完了，开始撸代码吧....

首先是部署环境，从官方镜像库开始

https://hub.docker.com/_/flink/

划重点，这里尽量使用 docker-compose来运行，它默认就把 flink web端，job manager 和 task manager 都启动好，我就图省事，只启动了flink服务，后面怎么提交任务都执行失败，卡了好半天。

docker-compose up

启动起来了

构建一个基础maven工程，网上习惯用scala，我折腾了半天，尽管最后成功了，但是感觉不是很清楚，而且scala的版本和发行版本需要匹配，这个就很让人恼火，其实主要还是因为不太会吧，java就明了很多，pom如下：

代码语言：javascript复制

<?xml version="1.0" encoding="UTF-8"?>
<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.dafei1288</groupId>
    <artifactId>testjf</artifactId>
    <version>1.0-SNAPSHOT</version>
    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <encoding>UTF-8</encoding>
        <flink.version>1.6.0</flink.version>
        <dependency.scope>compile</dependency.scope>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-scala_2.11</artifactId>
            <version>${flink.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-clients_2.11</artifactId>
            <version>${flink.version}</version>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-scala_2.11</artifactId>
            <version>${flink.version}</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-jar-plugin</artifactId>
                <configuration>
                    <archive>
                        <index>true</index>
                        <manifest>
                            <addClasspath>true</addClasspath>
                            <mainClass>com.dafei1288.Test</mainClass>
                            <addDefaultImplementationEntries>true</addDefaultImplementationEntries>
                            <addDefaultSpecificationEntries>true</addDefaultSpecificationEntries>
                        </manifest>
                        <manifestEntries>
                            <url>${project.url}</url>
                            <build-time>${maven.build.timestamp}</build-time>
                        </manifestEntries>
                    </archive>
                </configuration>
            </plugin>
        </plugins>
    </build>
</project>

划重点，这里最好加上构建jar的plugin，否则提交jar以后还要手动指定入口类。

在我们数据科学家的术语库里，也有个类似Helloworld的东西叫Wordcount，所以来撸一发：

代码语言：javascript复制

package com.dafei1288;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.DataSet;
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.api.java.operators.DataSource;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.Collector;


public class Test {
    public static void main(String[] args) throws Exception {
        //这里注意使用ExecutionEnvironment.getExecutionEnvironment  获取提交环境
        final  ExecutionEnvironment ee = ExecutionEnvironment.getExecutionEnvironment();
        DataSource<String> dss =ee.fromElements("111 222","222 333","333","444");
        DataSet<Tuple2<String,Integer>> wp =  dss.flatMap(
                //把输入行串起来并拆分成元组（词，计数器）
                new FlatMapFunction<String, Tuple2<String,Integer>>(){
                    @Override
                    public void flatMap(String s, Collector<Tuple2<String, Integer>> collector) throws Exception {
                        for(String word:s.split(" ")){
                            collector.collect(new Tuple2(word,1));
                        }
                    }
                })
                .groupBy(0)
                .sum(1);
        wp.print();
    }
}

就是这么简单,如果用scala，可就麻烦多了，如果你不了解，就先别坑爹了，这个难度正好。