# 在node1上复制一份standalone
[root@node1 ~]# cd /export/server/
[root@node1 server]# cp -r flink-standalone flink-ha
# 删除日志文件
[root@node1 ~]# rm -rf /export/server/flink-ha/log/\*2）、启动ZooKeeper，在node1上启动
start-zk.sh3）、启动HDFS，在node1上启动，如果没有关闭，不用重启
start-dfs.sh4）、停止集群，在node1操作，进行HA高可用配置
/export/server/flink-standalone/bin/stop-cluster.sh5）、修改flink-conf.yaml，在node1操作
vim /export/server/flink-ha/conf/flink-conf.yaml
修改内容：
jobmanager.rpc.address: node1
high-availability: zookeeper
high-availability.storageDir: hdfs://node1:8020/flink/ha/
high-availability.zookeeper.quorum: node1:2181,node2:2181,node3:2181
high-availability.zookeeper.path.root: /flink
high-availability.cluster-id: /cluster_standalone
state.backend: filesystem
state.backend.fs.checkpointdir: hdfs://node1:8020/flink/checkpoints
state.savepoints.dir: hdfs://node1:8020/flink/savepoints6）、修改masters，在node1操作
vim /export/server/flink-ha/conf/masters
修改内容：
node1:8081
node2:80817）、分发到集群其他机器，在node1操作
scp -r /export/server/flink-ha root@node2:/export/server/
scp -r /export/server/flink-ha root@node3:/export/server/8）、修改node2上的flink-conf.yaml
[root@node2 ~]# vim /export/server/flink-ha/conf/flink-conf.yaml
修改内容：33 行
jobmanager.rpc.address: node29）、重新启动Flink集群
# node1和node2上执行
/export/server/flink-ha/bin/jobmanager.sh start
# node1和node2、node3执行
/export/server/flink-ha/bin/taskmanager.sh start # 每台机器执行
08-Flink on YARN之运行流程
在一个企业中，为了最大化的利用集群资源，一般都会在一个集群中同时运行多种类型的Workload，因此 Flink 也支持在 Yarn 集群运行。
为什么使用
Flink on Yarn或Spark on Yarn?
- 1）、Yarn的资源可以按需使用，提高集群的资源利用率
- 2）、Yarn的任务有优先级，根据优先级运行作业
- 3）、基于Yarn调度系统，能够自动化地处理各个角色的 Failover(容错)
当应用程序（MR、Spark、Flink）运行在YARN集群上时，可以实现容灾恢复。
09-Flink on YARN之安装部署
Flink on YARN安装配置，此处考虑高可用HA配置，集群机器安装软件框架示意图：
1）、关闭YARN的内存检查（node1操作）
# yarn-site.xml中添加配置
vim /export/server/hadoop/etc/hadoop/yarn-site.xml添加如下内容：
<!-- 关闭yarn内存检查 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>2）、 配置Application最大的尝试次数（node1操作）
# yarn-site.xml中添加配置
vim /export/server/hadoop/etc/hadoop/yarn-site.xml添加如下内容：
<property>
<name>yarn.resourcemanager.am.max-attempts</name>
<value>4</value>
</property>3）、同步yarn-site.xml配置文件（node1操作）
cd /export/server/hadoop/etc/hadoop
scp -r yarn-site.xml root@node2:$PWD
scp -r yarn-site.xml root@node3:$PWD4）、启动HDFS集群和YARN集群（node1操作）
[root@node1 ~]# start-dfs.sh
[root@node1 ~]# start-yarn.sh5）、添加HADOOP_CONF_DIR环境变量(集群所有机器）
# 添加环境变量
vim /etc/profile添加内容：
export HADOOP\_CONF\_DIR=/export/server/hadoop/etc/hadoop环境变量生效
source /etc/profile6）、上传软件及解压（node1操作）
[root@node1 ~]# cd /export/software/
[root@node1 software]# rz
上传软件包：flink-1.13.1-bin-scala_2.11.tgz
[root@node1 software]# chmod u+x flink-1.13.1-bin-scala\_2.11.tgz
[root@node1 software]# tar -zxf flink-1.13.1-bin-scala\_2.11.tgz -C /export/server/
[root@node1 ~]# cd /export/server/
[root@node1 server]# chown -R root:root flink-1.13.1
[root@node1 server]# mv flink-1.13.1 flink-yarn7）、将Flink依赖Hadoop 框架JAR包上传至/export/server/flink-yarn/lib目录
[root@node1 ~]# cd /export/server/flink-yarn/lib/
[root@node1 lib]# rz
commons-cli-1.4.jar
flink-shaded-hadoop-3-uber-3.1.1.7.2.1.0-327-9.0.jar8）、配置HA高可用，依赖Zookeeper及重试次数（node1操作）
# 修改配置文件
vim /export/server/flink-yarn/conf/flink-conf.yaml添加如下内容：
high-availability: zookeeper
high-availability.storageDir: hdfs://node1:8020/flink/yarn-ha/
high-availability.zookeeper.quorum: node1:2181,node2:2181,node3:2181
high-availability.zookeeper.path.root: /flink-yarn-ha
high-availability.cluster-id: /cluster_yarn
yarn.application-attempts: 109）、集群所有机器，同步分发Flink 安装包，便于任意机器提交运行Flink Job。
scp -r /export/server/flink-yarn root@node2:/export/server/
scp -r /export/server/flink-yarn root@node3:/export/server/10）、启动Zookeeper集群（node1操作）
start-zk.sh在Flink中执行应用有如下三种部署模式（Deployment Mode）：
- 无论JobManager还是TaskManager，都是运行NodeManager Contanier容器中，以JVM 进程方式运行；
- 提交每个Flink Job执行时，找的就是JobManager（AppMaster），找运行在YARN上应用ID；
Session 会话模式：arn-session.sh(开辟资源) + flink run(提交任务)
- 第一、Hadoop YARN 运行Flink 集群，开辟资源，使用：yarn-session.sh
- 在NodeManager上，启动容器Container运行JobManager和TaskManagers
- 第二、提交Flink Job执行，使用：flink run
准备测试数据，测试运行批处理词频统计WordCount程序
[root@node1 ~]# vim /root/words.txt添加数据
spark python spark hive spark hive
python spark hive spark python
mapreduce spark hadoop hdfs hadoop spark
hive mapreduce数据文件上传
[root@node1 ~]# hdfs dfs -mkdir -p /wordcount/input/
[root@node1 ~]# hdfs dfs -put /root/words.txt /wordcount/input/
- 第一步、在yarn上启动一个Flink会话，node1上执行以下命令
export HADOOP\_CLASSPATH=`hadoop classpath`
/export/server/flink-yarn/bin/yarn-session.sh -d -jm 1024 -tm 1024 -s 2
# 参数说明
-d：后台执行
-s： 每个TaskManager的slot数量
-jm：JobManager的内存（单位MB)
-tm：每个TaskManager容器的内存（默认值：MB）
# 提交flink 集群运行yarn后，提示信息
JobManager Web Interface: http://node1:44263
..................................................................
$ echo "stop" | ./bin/yarn-session.sh -id application_1633441564219_0001
If this should not be possible, then you can also kill Flink via YARN's web interface or via:
$ yarn application -kill application_1633441564219_0001- 第二步、查看UI界面，http://node1:8088/cluster/apps
JobManager提供WEB UI：http://node1:8088/proxy/application_1614756061094_0002/#/overview
此时，没有任何TaskManager运行在容器Container中，需要等待有Flink Job提交执行时，才运行TaskManager。
- 第三步、使用flink run提交任务
/export/server/flink-yarn/bin/flink run \
-t yarn-session \
-Dyarn.application.id=application_1652168669227_0001 \
/export/server/flink-yarn/examples/batch/WordCount.jar \
--input hdfs://node1:8020/wordcount/input/words.txt
- 第四步、通过上方的ApplicationMaster可以进入Flink的管理界面
- 第五步、关闭yarn-session
# 优雅 停止应用，如果设置重启次数，即使停止应用，也会重启，一直到超过次数以后，才能真正停止应用
echo "stop" | /export/server/flink-yarn/bin/yarn-session.sh -id application_1633441564219_0001
# kill 命令，直接将运行在yarn应用杀死，毫不留情
yarn application -kill application_1633441564219_000111-Flink on YARN之PerJob模式运行
每个Flink Job提交运行到Hadoop YARN集群时，根据自身的情况，单独向YARN申请资源，直到作业执行完成
在Hadoop YARN中，每次提交job都会创建一个新的Flink集群，任务之间相互独立，互不影响并且方便管理。任务执行完成之后创建的集群也会消失。
采用Job分离模式，每个Flink Job运行，都会申请资源，运行属于自己的Flink 集群。
- 第一步、直接提交job
export HADOOP\_CLASSPATH=`hadoop classpath`
/export/server/flink-yarn/bin/flink run \
-t yarn-per-job -m yarn-cluster \
-yjm 1024 -ytm 1024 -ys 1 \
/export/server/flink-yarn/examples/batch/WordCount.jar \
--input hdfs://node1:8020/wordcount/input
# 参数说明
-m：指定需要连接的jobmanager(主节点)地址，指定为 yarn-cluster，启动一个新的yarn-session
-yjm：JobManager可用内存，单位兆
-ytm：每个TM所在的Container可申请多少内存，单位兆
-ys：每个TM会有多少个Slot
-yd：分离模式（后台运行，不指定-yd, 终端会卡在提交的页面上）
- 第二步、查看UI界面：http://node1:8088/cluster
提交Flink Job在Hadoop YARN执行时，最后给出如下错误警告：
解决办法： 在 flink 配置文件里 flink-conf.yaml设置
classloader.check-leaked-classloader: false12-Flink on YARN之Application模式运行
Flink 1.11 引入了一种新的部署模式，即 Application 模式，目前可以支持基于 Hadoop YARN 和 Kubernetes 的 Application 模式。
# 1、Session 模式：
所有作业Job共享1个集群资源，隔离性差，JM 负载瓶颈，每个Job中main 方法在客户端执行。
# 2、Per-Job 模式：
每个作业单独启动1个集群，隔离性好，JM 负载均衡，Job作业main 方法在客户端执行。
以上两种模式，main方法都是在客户端执行，需要获取 flink 运行时所需的依赖项，并生成 JobGraph，提交到集群的操作都会在实时平台所在的机器上执行，那么将会给服务器造成很大的压力。此外，提交任务的时候会把本地flink的所有jar包先上传到hdfs上相应的临时目录，带来大量的网络的开销，所以如果任务特别多的情况下，平台的吞吐量将会直线下降。
Application 模式下，用户程序的 main 方法将在集群中运行，用户将程序逻辑和依赖打包进一个可执行的 jar 包里，集群的入口程序 (ApplicationClusterEntryPoint) 负责调用其中的 main 方法来生成 JobGraph。
Application 模式为每个提交的应用程序创建一个集群，并在应用程序完成时终止。Application 模式在不同应用之间提供了资源隔离和负载平衡保证。在特定一个应用程序上，JobManager 执行 main 可以[节省所需的 CPU 周期]，还可以[节省本地下载依赖项所需的带宽]。
Application 模式==使用 bin/flink run-application提交作业，本质上是Session和Per-Job模式的折衷。
- 通过 -t 指定部署环境，目前支持部署在 yarn 上(-t yarn-application) 和 k8s 上(-t kubernetes-application）；
- 通过 -D 参数指定通用的运行配置，比如 jobmanager/taskmanager 内存、checkpoint 时间间隔等。
export HADOOP\_CLASSPATH=`hadoop classpath`
/export/server/flink-yarn/bin/flink run-application \
-t yarn-application \
-Djobmanager.memory.process.size=1024m \
-Dtaskmanager.memory.process.size=1024m \
-Dtaskmanager.numberOfTaskSlots=1 \
/export/server/flink-yarn/examples/batch/WordCount.jar \
--input hdfs://node1:8020/wordcount/input由于MAIN方法在JobManager（也就是NodeManager的容器Container）中执行，当Flink Job执行完成以后，启动MRJobHistoryServer历史服务器，查看AppMaster日志信息。
# node1 上启动历史服务
[root@node1 ~]# mr-jobhistory-daemon.sh start historyserver第二步、查看UI界面：http://node1:8088/cluster
测试Flink Job不同运行模式时，注意事项如下
第三部分：Flink入门案例
13-Flink入门案例之编程模型
基于Flink计算引擎，分别实现批处理（Batch）和流计算（Streaming ）中：词频统计WordCount。
第一点：Flink API== ，提供四个层次API，越在下面API，越复杂和灵活；越在上面API，使用越简单和抽象
第二点：编程模型==，无论编写批处理还是流计算程序，分为三个部分：Data Source、Transformations和Data Sink
# 第一步、从数据源DataSource获取数据
流计算：DataStream
批处理：DataSet
# 第二步、对数据进行转换处理
# 第三步、结果数据输出DataSink无论批处理Batch，还是流计算Stream，首先需要创建执行环境ExecutionEnvironment对象，类似Spark中SparkSession或者SparkContext。
创建整个Flink基础课程Maven Project，设置MAVEN Repository仓库目录及Maven安装目录
约定：每天创建一个Maven Module]()，创建第1天Maven Module，模块结构：
POM文件添加如下内容：
<repositories>
<repository>
<id>nexus-aliyun</id>
<name>Nexus aliyun</name>
<url>http://maven.aliyun.com/nexus/content/groups/public</url>
</repository>
<repository>
<id>central_maven</id>
<name>central maven</name>
<url>https://repo1.maven.org/maven2</url>
</repository>
<repository>
<id>cloudera</id>
<url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository>
<repository>
<id>apache.snapshots</id>
<name>Apache Development Snapshot Repository</name>
<url>https://repository.apache.org/content/repositories/snapshots/</url>
<releases>
<enabled>false</enabled>
</releases>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-java</artifactId>
<version>1.13.1</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-streaming-java_2.11</artifactId>
<version>1.13.1</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-clients_2.11</artifactId>
<version>1.13.1</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-runtime-web_2.11</artifactId>
<version>1.13.1</version>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-api</artifactId>
<version>1.7.7</version>
<scope>runtime</scope>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-log4j12</artifactId>
<version>1.7.7</version>
<scope>runtime</scope>
</dependency>
<dependency>
<groupId>log4j</groupId>
<artifactId>log4j</artifactId>
<version>1.2.17</version>
<scope>runtime</scope>
</dependency>
</dependencies>
<build>
<sourceDirectory>src/main/java</sourceDirectory>
<testSourceDirectory>src/test/java</testSourceDirectory>
<plugins>
<!-- 编译插件 -->
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>3.5.1</version>
<configuration>
<source>1.8</source>
<target>1.8</target>
<!--<encoding>${project.build.sourceEncoding}</encoding>-->
</configuration>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-surefire-plugin</artifactId>
<version>2.18.1</version>
<configuration>
<useFile>false</useFile>
<disableXmlReport>true</disableXmlReport>
<includes>
<include>**/*Test.*</include>
<include>**/*Suite.*</include>
</includes>
</configuration>
</plugin>
<!-- 打jar包插件(会包含所有依赖) -->
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-shade-plugin</artifactId>
<version>2.3</version>
<executions>
<execution>
<phase>package</phase>
<goals>
<goal>shade</goal>
</goals>
<configuration>
<filters>
<filter>
<artifact>*:*</artifact>
<excludes>
<!--
zip -d learn\_spark.jar META-INF/\*.RSA META-INF/\*.DSA META-INF/\*.SF -->
<exclude>META-INF/*.SF</exclude>
<exclude>META-INF/*.DSA</exclude>
<exclude>META-INF/*.RSA</exclude>
</excludes>
</filter>
</filters>
<transformers>
<transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
</transformer>
</transformers>
</configuration>
</execution>
</executions>
</plugin>
</plugins>
</build>日志配置文件：log4j.properties
# This affects logging for both user code and Flink
log4j.rootLogger=INFO, console
# Uncomment this if you want to _only_ change Flink's logging
#log4j.logger.org.apache.flink=INFO
# The following lines keep the log level of common libraries/connectors on
# log level INFO. The root logger does not override this. You have to manually
# change the log levels here.
log4j.logger.akka=INFO
log4j.logger.org.apache.kafka=INFO
log4j.logger.org.apache.hadoop=INFO
log4j.logger.org.apache.zookeeper=INFO
# Log all infos to the console
log4j.appender.console=org.apache.log4j.ConsoleAppender
log4j.appender.console.layout=org.apache.log4j.PatternLayout
log4j.appender.console.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss,SSS} %-5p %-60c %x - %m%n
# Suppress the irrelevant (wrong) warnings from the Netty channel handler
log4j.logger.org.apache.flink.shaded.akka.org.jboss.netty.channel.DefaultChannelPipeline=ERROR, console14-Flink入门案例之WordCount【批处理】
首先，基于Flink计算引擎，[实现离线批处理Batch：从文本文件读取数据，词频统计]。
批处理时词频统计思路如下伪代码所示：
spark flink flink flink spark
|
| flatMap
|
3-1. 分割单词 spark, flink, flink, flink, spark
|
| map
|
3-2. 转换二元组 (spark, 1) (flink, 1) (flink, 1) (flink, 1) (spark, 1)
|
| groupBy(0)
|
3-3. 按照单词分组
spark -> [(spark, 1) (spark, 1)]
flink -> [(flink, 1) (flink, 1) (flink, 1) ]
|
|sum(1)
|
3-4. 组内数据求和，第二元素值累加
spark -> 1 + 1 = 2
flink -> 1 + 1 + 1 =3基于Flink编写批处理或流计算程序步骤如下：（5个步骤）
1.执行环境-env
2.数据源-source
3.数据转换-transformation
4.数据接收器-sink
5.触发执行-execute编写批处理词频统计：BatchWordCount，创建Java类
package cn.itqzd.flink.batch;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.api.java.operators.AggregateOperator;
import org.apache.flink.api.java.operators.DataSource;
import org.apache.flink.api.java.operators.FlatMapOperator;
import org.apache.flink.api.java.operators.MapOperator;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.Collector;
/\*\*
\* 使用Flink计算引擎实现离线批处理：词频统计WordCount
\* 1.执行环境-env
\* 2.数据源-source
\* 3.数据转换-transformation
\* 4.数据接收器-sink
\* 5.触发执行-execute
\*/
public class BatchWordCount {
public static void main(String[] args) throws Exception {
// 1.执行环境-env
ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment() ;
// 2.数据源-source
DataSource<String> inputDataSet = env.readTextFile("datas/words.txt");
// 3.数据转换-transformation
/\*
spark flink spark hbase spark
|flatMap
分割单词: spark, flink, spark
|map
转换二元组：(spark, 1) (flink, 1) (spark, 1)， TODO：Flink Java API中提供元组类Tuple
|groupBy(0)
分组：spark -> [(spark, 1), (spark, 1)] flink -> [(flink, 1)]
|sum(1)
求和：spark -> 1 + 1 = 2, flink = 1
\*/
// 3-1. 分割单词
FlatMapOperator<String, String> wordDataSet = inputDataSet.flatMap(new FlatMapFunction<String, String>() {
@Override
public void flatMap(String line, Collector<String> out) throws Exception {
String[] words = line.trim().split("\\s+");
for (String word : words) {
out.collect(word);
}
}
});
// 3-2. 转换二元组
MapOperator<String, Tuple2<String, Integer>> tupleDataSet = wordDataSet.map(new MapFunction<String, Tuple2<String, Integer>>() {
@Override
public Tuple2<String, Integer> map(String word) throws Exception {
return Tuple2.of(word, 1);
}
});
// 3-3. 分组及求和, TODO: 当数据类型为元组时，可以使用下标指定元素，从0开始
AggregateOperator<Tuple2<String, Integer>> resultDataSet = tupleDataSet.groupBy(0).sum(1);
// 4.数据接收器-sink
resultDataSet.print();
// 5.触发执行-execute， TODO：批处理时，无需触发，流计算必须触发执行
//env.execute("BatchWordCount") ;
}
}15-Flink入门案例之WordCount【流计算】
编写Flink程序，接收TCP Socket的单词数据，并以空格进行单词拆分，分组统计单词个数。
package cn.itqzd.flink.stream;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
/\*\*
\* 使用Flink计算引擎实现实时流计算：词频统计WordCount，从TCP Socket消费数据，结果打印控制台。
\* 1.执行环境-env
\* 2.数据源-source
\* 3.数据转换-transformation
\* 4.数据接收器-sink
\* 5.触发执行-execute
\*/
public class StreamWordCount {
public static void main(String[] args) throws Exception {
// 1.执行环境-env
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 2.数据源-source
DataStreamSource<String> inputDataStream = env.socketTextStream("node1", 9999);
// 3.数据转换-transformation
SingleOutputStreamOperator<Tuple2<String, Integer>> resultDataStream = inputDataStream
// 3-1. 分割单词
.flatMap(new FlatMapFunction<String, String>() {
@Override
public void flatMap(String line, Collector<String> out) throws Exception {
for (String word : line.trim().split("\\s+")) {
out.collect(word);
}
}
})
// 3-2. 转换二元组
.map(new MapFunction<String, Tuple2<String, Integer>>() {
@Override
public Tuple2<String, Integer> map(String word) throws Exception {
return new Tuple2<>(word, 1);
}
})
// 3-3. 分组和组内求和
.keyBy(0).sum(1);
// 4.数据接收器-sink
resultDataStream.print();
// 5.触发执行-execute
env.execute("StreamWordCount");
}
}修改流计算词频统计，从本地系统文本文件加载数据，处理数据，设置执行模式为：Batch。
package cn.itqzd.flink.execution;
import org.apache.flink.api.common.RuntimeExecutionMode;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
/\*\*
\* 使用Flink计算引擎实现离线批处理：词频统计WordCount，TODO：从Flink 1.12开始，流批一体化，API统一，设置执行模式即可
\* 1.执行环境-env
\* 2.数据源-source
\* 3.数据转换-transformation
\* 4.数据接收器-sink
\* 5.触发执行-execute
\*/
public class ExecutionWordCount {
public static void main(String[] args) throws Exception {
// 1.执行环境-env
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// TODO: 设置执行模式execute-mode为Batch批处理
env.setRuntimeMode(RuntimeExecutionMode.BATCH) ;
// 2.数据源-source
DataStreamSource<String> inputDataStream = env.readTextFile("datas/words.txt") ;
// 3.数据转换-transformation
SingleOutputStreamOperator<Tuple2<String, Integer>> resultDataStream = inputDataStream
// 3-1. 分割单词
.flatMap(new FlatMapFunction<String, String>() {
@Override
public void flatMap(String line, Collector<String> out) throws Exception {
for (String word : line.trim().split("\\s+")) {
out.collect(word);
}
}
})
// 3-2. 转换二元组
.map(new MapFunction<String, Tuple2<String, Integer>>() {
@Override
public Tuple2<String, Integer> map(String word) throws Exception {
return new Tuple2<>(word, 1);
}
})
// 3-3. 分组和组内求和
.keyBy(0).sum(1);
// 4.数据接收器-sink
resultDataStream.print();
// 5.触发执行-execute
env.execute("StreamWordCount");
}
}修改流式程序，从应用程序传递参数：host和port，使用Flink中工具类：ParameterTool，解析参数，代码如下所示：
package cn.itqzd.flink;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
/\*\*
\* 使用Flink计算引擎实现实时流计算：词频统计WordCount，从TCP Socket消费数据，结果打印控制台。
\* 1.执行环境-env
\* 2.数据源-source
\* 3.数据转换-transformation
\* 4.数据接收器-sink
\* 5.触发执行-execute
\*/
public class WordCount {
public static void main(String[] args) throws Exception {
// TODO: 构建参数解析工具类实例对象
ParameterTool parameterTool = ParameterTool.fromArgs(args);
if(parameterTool.getNumberOfParameters() != 2){
System.out.println("Usage: WordCount --host <hostname> --port <port> .........");
System.exit(-1);
}
final String host = parameterTool.get("host") ; // 直接传递参数，获取值
final int port = parameterTool.getInt("port", 9999) ; // 如果没有参数，使用默认值
// 1.执行环境-env
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(2) ; // 设置并行度
// 2.数据源-source
DataStreamSource<String> inputDataStream = env.socketTextStream(host, port);
// 3.数据转换-transformation
SingleOutputStreamOperator<Tuple2<String, Integer>> resultDataStream = inputDataStream
// 3-1. 分割单词
.flatMap(new FlatMapFunction<String, String>() {
@Override
public void flatMap(String line, Collector<String> out) throws Exception {
for (String word : line.trim().split("\\s+")) {
out.collect(word);
}
}
})
// 3-2. 转换二元组
.map(new MapFunction<String, Tuple2<String, Integer>>() {
@Override
public Tuple2<String, Integer> map(String word) throws Exception {
return new Tuple2<>(word, 1);
}
})
// 3-3. 分组和组内求和
![img]()
![img]()
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**[需要这份系统化资料的朋友，可以戳这里获取]()**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
ionEnvironment();
env.setParallelism(2) ; // 设置并行度
// 2.数据源-source
DataStreamSource<String> inputDataStream = env.socketTextStream(host, port);
// 3.数据转换-transformation
SingleOutputStreamOperator<Tuple2<String, Integer>> resultDataStream = inputDataStream
// 3-1. 分割单词
.flatMap(new FlatMapFunction<String, String>() {
@Override
public void flatMap(String line, Collector<String> out) throws Exception {
for (String word : line.trim().split("\\s+")) {
out.collect(word);
}
}
})
// 3-2. 转换二元组
.map(new MapFunction<String, Tuple2<String, Integer>>() {
@Override
public Tuple2<String, Integer> map(String word) throws Exception {
return new Tuple2<>(word, 1);
}
})
// 3-3. 分组和组内求和
[
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
