大数据Flink（一百一十四）：PyFlink的作业开发入门案例

PyFlink的作业开发入门案例

一、​​​​​​​批处理的入门案例

1、​​​​​​​示例

编写Flink程序，读取表中的数据，并根据表中的字段信息进行统计每个单词出现的数量。

2、​​​​​​​​​​​​​​开发步骤

1. 创建批式处理的运行环境
2. 构建数据源
3. 对数据进行处理
4. 对处理后的结果输出打印
5. 启动执行
6. 准备测试数据

**3、参考代码：基于DataStreamAPI编程 **

在pyflink_study项目下新建data文件夹,在data下新建input文件夹,在input下新建wordcount.txt文件,内容如下：

Total,time,BUILD,SUCCESS
Final,Memory,Finished,at
Total,time,BUILD,SUCCESS
Final,Memory,Finished,at
Total,time,BUILD,SUCCESS
Final,Memory,Finished,at
BUILD,SUCCESS
BUILD,SUCCESS
BUILD,SUCCESS
BUILD,SUCCESS
BUILD,SUCCESS
BUILD,SUCCESS

在pyflink_study项目下新建Easy_Case_Batch_DataStream.py文件，代码如下：

from pyflink.common import Encoder, Types
from pyflink.datastream import StreamExecutionEnvironment, RuntimeExecutionMode
from pyflink.datastream.connectors import (FileSink, OutputFileConfig,RollingPolicy)

def word_count():
    # 1. 创建流式处理环境
    env = StreamExecutionEnvironment.get_execution_environment()
    env.set_runtime_mode(RuntimeExecutionMode.BATCH)
    # write all the data to one file
    env.set_parallelism(1)

    # 3. 将source添加到环境中，环境会生成一个datastream，也就是我们进行操作的数据类
    ds = env.read_text_file("D:\work_space\pyflink_study\data\input\wordcount.txt")

    # 4. transform
    def split(line):
        yield from line.split(",")

    # compute word count
    ds = ds.flat_map(split) \
        .map(lambda i: (i, 1), output_type=Types.TUPLE([Types.STRING(), Types.INT()])) \
        .key_by(lambda i: i[0]) \
        .reduce(lambda i, j: (i[0], i[1] + j[1]))

    # 5. sink
    ds.print()

    # 6. 真正执行代码
    env.execute("word_count")

if __name__ == '__main__':
    word_count()

注意read_text_file后的地址要与实际地址对应。

运行结果如下：

二、​​​​​​​​​​​​​​流处理的入门案例

1、​​​​​​​​​​​​​​示例

编写Flink程序，接收socket的单词数据，并以逗号进行单词拆分打印。

2、​​​​​​​​​​​​​​开发步骤

1. 获取流处理运行环境
2. 构建socket流数据源，并指定IP地址和端口号
3. 对接收到的数据进行拆分
4. 对拆分后的单词，每个单词记一次数
5. 对拆分后的单词进行分组
6. 根据单词的次数进行聚合
7. 打印输出
8. 在云服务器中，使用nc -lk 端口号 监听端口
9. 启动执行
10. 向监听端口发送单词

3、​​​​​​​​​​​​​​参考代码：基于DataStreamAPI编程

新建Easy_Case_Stream_DataStream.py文件，代码如下：

from pyflink.common import Types
from pyflink.datastream import StreamExecutionEnvironment, DataStream, RuntimeExecutionMode

if __name__ == '__main__':
    # 1. 创建流式处理环境
    env = StreamExecutionEnvironment.get_execution_environment()
    env.set_runtime_mode(RuntimeExecutionMode.STREAMING)
    # write all the data to one file
    env.set_parallelism(1)

    # 3. 创建source
    ds = DataStream(env._j_stream_execution_environment.socketTextStream('8.140.192.198', 9999))

    # 4. transform
    def split(line):
        yield from line.split(",")

    # compute word count
    ds = ds.flat_map(split) \
        .map(lambda i: (i, 1), output_type=Types.TUPLE([Types.STRING(), Types.INT()])) \
        .key_by(lambda i: i[0]) \
        .reduce(lambda i, j: (i[0], i[1] + j[1]))

    # 5. sink
    ds.print()

    # 6. 真正执行代码
    env.execute("word_count")

注意：socketTextStream后的ip是云服务器ecs的公网ip。

先进入云服务器ECS，开启netcat，监听9999端口号。（如果没有安装可以使用yum安装nc: yum install -y nc）

nc -lk 9999

然后运行本地程序

在ecs依次发送单词

flink,spark,hadoop
flink,flink,spark
flink,hadoop

查看结果

• 📢博客主页：https://lansonli.blog.csdn.net
• 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！
• 📢本文由 Lansonli 原创，首发于 CSDN博客🙉
• 📢停下休息的时候不要忘了别人还在奔跑，希望大家抓紧时间学习，全力奔赴更美好的生活✨