Flink--- 批处理 / 流处理

Flink 是一个框架和分布式的处理引擎，用于对无界和有界数据流进行状态计算。

传统数据处理架构

事务处理

分析处理

：将数据从业务数据库复制到数仓，再进行分析和查询

流处理的演变

lambda架构

：用两套系统，同时保证低延迟和结果准确

流处理的演变

Flink的主要特点

1、事件驱动

2、基于流的世界观

在Flink的世界观中，一切都是由流组成的，离线数据是有界的流；实时数据是一个没有界限的流 ：这就是所谓的有节流和无界流

3、分层API

越顶层越抽象，表达含义越简明，使用越方便

越底层越具体，表达能力越丰富，使用越灵活

Flink的其他特点

1、支持事件时间（event-time）和处理时间（processing-time）语义

2、精确一次（exactly-once） 的状态一致性保证

3、低延迟，每秒处理数百万个事件，毫秒级延迟

4、与众多常用存储系统的连接

5、高可用，动态扩展，实现7*24小时全天候运行

Flink 和 Spark Streaming

流（stream）和微批（micro-batching）

数据模型：

--- spark采用RDD模型，spark streaming 是 DStream实际上也就是一组组小批数据RDD的集合

--- flink基本数据模型是数据流，以及事件（Event）序列

运行时架构：

--- spark是批计算，将DAG划分为不同的stage，一个完成后才可以计算下一个

--- flink是标准的流执行模式，一个事件在一个节点处理完后可以直接发往下一个节点进行处理

搭建maven工程 FlinkTutorial

文件---新建---项目---maven

在pom文件中插入

如下内容：

<dependencies>

   <dependency>

      <groupId>org.apache.flink</groupId>

      <artifactId>flink-scala_2.12</artifactId>

      <version>1.10.1</version>

 </dependency>

 <!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-scala -->

 <dependency>

       <groupId>org.apache.flink</groupId>

       <artifactId>flink-streaming-scala_2.12</artifactId>

       <version>1.10.1</version>

    </dependency>

</dependencies>

<build>

  <plugins>

  <!-- 该插件用于将 Scala 代码编译成 class 文件 -->

  <plugin>

    <groupId>net.alchim31.maven</groupId>

    <artifactId>scala-maven-plugin</artifactId>

    <version>3.4.6</version>

    <executions>

      <execution>

          <!-- 声明绑定到 maven 的 compile 阶段 -->
          <goals>

              <goal>compile</goal>

          </goals>

      </execution>

   </executions>

</plugin>

   <plugin>

       <groupId>org.apache.maven.plugins</groupId>

       <artifactId>maven-assembly-plugin</artifactId>

       <version>3.0.0</version>

       <configuration>

            <descriptorRefs>

                <descriptorRef>jar-with-dependencies</descriptorRef>

            </descriptorRefs>

       </configuration>

       <executions>

          <execution>

             <id>make-assembly</id>

添加Scala框架 和 Scala文件夹

在src-main目录下创建一个新目录，命名为：Scala

（在新建目录上）单击右键---将目录标记为----源 根

**然后，创建一个Scala类--object--命名；即可 **

Flink-批处理wordcount

首先创建一个** . txt **文件

在resources目录下创建，命名为：hello

在新建文件夹中输入一些英语单词，一会进行批处理即可！

** 运行代码**

package com.atguigu.wc

import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.api.scala._

object WordCount {

  def main(args: Array[String]): Unit = {

    //创建一个批处理的执行环境
    val env:ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment
    //接收文件
    val inputPath:String = "D:\\HYF\\FlinkTutorial\\src\\main\\resources\\hello.txt"
    val inputDataSet:DataSet[String]  =  env.readTextFile(inputPath)

    //对数据进行转换处理统计，先分词，再按照word进行分组，最后进行聚合统计
    val resultDataSet:DataSet[(String,Int)] = inputDataSet
      .flatMap(_.split(" "))    //按照空格对String进行一个分割
      .map((_,1))            // _进行分组，1进行求和
      .groupBy(0)   //以第一个元素作为key，进行分组
      .sum(1)     //对所有数据的第二个元素求和

    resultDataSet.print()

  }
}

运行结果

Flink---流处理wordcount

运行代码如下

package com.atguigu.wc

import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.streaming.api.scala._

object StreamWordCount {
  def main(args: Array[String]): Unit = {

    val env = StreamExecutionEnvironment.getExecutionEnvironment

    val inputDataStream:DataStream[String] = env.socketTextStream("localhost",7777)

    val resultDataStream:DataStream[(String,Int)] = inputDataStream
      .flatMap(_.split(" "))
      .filter(_.nonEmpty)
      .map((_,1))
      .keyBy(0)
      .sum(1)

    resultDataStream.print()

    //启动任务执行
    env.execute("stream word count")

  }
}

测试——在 linux 系统中用 netcat 命令进行发送测试

**启动命令 ---- nc -lk 7777 **

输入一些数据即可！

运行结果：当时监听窗口出现错误了，所以没有监听成功，结果这里就不显示了