?Flink 示例演示

只需几个简单的步骤即可启动并运行Flink示例程序。

1. 下载并启动Flink

Flink可在Linux，Mac OS X和Windows上运行。 为了能够运行Flink，唯一的要求是安装Java 7.x（或更高版本）。

从下载页面下载Flink (http://flink.apache.org/downloads.html )。  可以使用本地文件系统，任何Hadoop版本都可以正常工作。切换到下载目录，解压缩下载的文件。

$ cd~ / Downloads＃转到下载目录
$ tar xzf flink - * .tgz＃解压缩下载的档案
$ cd flink-1.2

2. 启动本地Flink群集

$ ./bin/start-local.sh

检查JobManager的web前端http：// localhost：8081并确保一切正常运行。 Web前端会显示单个可用的TaskManager实例。

可以通过检查logs目录中的日志文件来验证系统是否正在运行：

$ tail log/flink-*-jobmanager-*.log
INFO ... - Starting JobManager
INFO ... - Starting JobManager web frontend
INFO ... - Web frontend listening at 127.0.0.1:8081
INFO ... - Registered TaskManager at 127.0.0.1 (akka://flink/user/taskmanager)

3.示例源码

可以在Scala和Java上的GitHub上找到此SocketWindowWordCount示例的完整源代码。

public class SocketWindowWordCount {
    public static void main(String[] args) throws Exception {
        // the port to connect to
        final int port;
        try {
            final ParameterTool params = ParameterTool.fromArgs(args);
            port = params.getInt("port");
        } catch (Exception e) {
            System.err.println("No port specified. Please run 'SocketWindowWordCount --port <port>'");
            return;
        }
        // get the execution environment
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        // get input data by connecting to the socket
        DataStream<String> text = env.socketTextStream("localhost", port, "\n");
        // parse the data, group it, window it, and aggregate the counts
        DataStream<WordWithCount> windowCounts = text
            .flatMap(new FlatMapFunction<String, WordWithCount>() {
                @Override
                public void flatMap(String value, Collector<WordWithCount> out) {
                    for (String word : value.split("\\s")) {
                        out.collect(new WordWithCount(word, 1L));
                    }
                }
            })
            .keyBy("word")
            .timeWindow(Time.seconds(5), Time.seconds(1))
            .reduce(new ReduceFunction<WordWithCount>() {
                @Override
                public WordWithCount reduce(WordWithCount a, WordWithCount b) {
                    return new WordWithCount(a.word, a.count + b.count);
                }
            });
        // print the results with a single thread, rather than in parallel
        windowCounts.print().setParallelism(1);
        env.execute("Socket Window WordCount");
    }
    // Data type for words with count
    public static class WordWithCount {
        public String word;
        public long count;
        public WordWithCount() {}
        public WordWithCount(String word, long count) {
            this.word = word;
            this.count = count;
        }
        @Override
        public String toString() {
            return word + " : " + count;
        }
    }
}

4. 运行示例

现在，将运行此Flink应用程序。 它将从套接字（socket）读取文本，并且每5秒打印一次在前5秒内每个不同单词的出现次数，即使处理时间窗口，只要有文字输入。

首先，使用netcat来启动本地服务器：

nc -l 9000

提交Flint客户端程序；

$ ./bin/flink run examples/streaming/SocketWindowWordCount.jar --port 9000
Cluster configuration: Standalone cluster with JobManager at /127.0.0.1:6123
Using address 127.0.0.1:6123 to connect to JobManager.
JobManager web interface address http://127.0.0.1:8081
Starting execution of program
Submitting job with JobID: 574a10c8debda3dccd0c78a3bde55e1b. Waiting for job completion.
Connected to JobManager at Actor[akka.tcp://flink@127.0.0.1:6123/user/jobmanager#297388688]
11/04/2016 14:04:50     Job execution switched to status RUNNING.
11/04/2016 14:04:50     Source: Socket Stream -> Flat Map(1/1) switched to SCHEDULED
11/04/2016 14:04:50     Source: Socket Stream -> Flat Map(1/1) switched to DEPLOYING
11/04/2016 14:04:50     Fast TumblingProcessingTimeWindows(5000) of WindowedStream.main(SocketWindowWordCount.java:79) -> Sink: Unnamed(1/1) switched to SCHEDULED
11/04/2016 14:04:51     Fast TumblingProcessingTimeWindows(5000) of WindowedStream.main(SocketWindowWordCount.java:79) -> Sink: Unnamed(1/1) switched to DEPLOYING
11/04/2016 14:04:51     Fast TumblingProcessingTimeWindows(5000) of WindowedStream.main(SocketWindowWordCount.java:79) -> Sink: Unnamed(1/1) switched to RUNNING
11/04/2016 14:04:51     Source: Socket Stream -> Flat Map(1/1) switched to RUNNING

程序连接到套接字 （Socket）并等待输入, 可以检查Web界面以验证作业是否按预期运行：

单词在5秒的时间窗口中被计算（处理时间）并打印到标准输出窗口。 监视JobManager的输出文件并在nc中写入一些文本：

$ nc -l 9000
lorem ipsum
ipsum ipsum ipsum
bye

只要有文字输入，.out文件就会在每个时间窗口的末尾打印输入文字的计数，例如：

$ tail -f log/flink-*-jobmanager-*.out
lorem : 1
bye : 1
ipsum : 4

关停Flink 服务器，可以使用：

$ ./bin/stop-local.sh