Flink 流处理API

在这里插入图片描述

Environment

getExecutionEnvironment

创建一个执行环境，表示当前执行程序的上下文。 如果程序是独立调用的，则此方法返回本地执行环境；如果从命令行客户端调用程序以提交到集群，则此方法返回此集群的执行环境，也就是说， getExecutionEnvironment 会根据查询运行的方式决定返回什么样的运行环境，是最常用的一种创建执行环境的方式。

ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

如果没有设置并行度，会以 flink-conf.yaml 中的配置为准， 默认是 1。
在这里插入图片描述

createLocalEnvironment

返回本地执行环境，需要在调用时指定默认的并行度。

LocalStreamEnvironment env = StreamExecutionEnvironment.createLocalEnvironment(1);
createRemoteEnvironment

返回集群执行环境，将 Jar 提交到远程服务器。需要在调用时指定 JobManager的 IP 和端口号，并指定要在集群中运行的 Jar 包。

StreamExecutionEnvironment env = StreamExecutionEnvironment.createRemoteEnvironment("jobmanage-hostname", 6123,"YOURPATH//WordCount.jar");

Source

从集合读取数据
public class SourceTest1_Collection {
	public static void main(String[] args) throws Exception{ 
	StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();	
	// 1.Source:从集合读取数据
	DataStream<SensorReading> sensorDataStream = env.fromCollection( 
		Arrays.asList(	
			new SensorReading("sensor_1", 1547718199L, 35.8), 
			new SensorReading("sensor_6", 1547718201L, 15.4), 
			new SensorReading("sensor_7", 1547718202L, 6.7), 
			new SensorReading("sensor_10", 1547718205L, 38.1)
		)
	);	
	// 2.打印
	sensorDataStream.print();
	// 3.执行
	env.execute();
	}
}
从文件读取数据
DataStream<String> dataStream = env.readTextFile("YOUR_FILE_PATH ");
以 kafka 消息队列的数据作为来源

需要引入 kafka 连接器的依赖：pom.xml

<dependency>
	<groupId>org.apache.flink</groupId>
	<artifactId>flink-connector-kafka-0.11_2.12</artifactId>
	<version>1.10.1</version>
</dependency>

具体代码如下：

// kafka 配置项
Properties properties = new Properties(); 
properties.setProperty("bootstrap.servers", "localhost:9092");
properties.setProperty("group.id", "consumer-group");
properties.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
properties.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
properties.setProperty("auto.offset.reset", "latest");
// 从 kafka 读取数据
DataStream<String> dataStream = env.addSource( new FlinkKafkaConsumer011<String>("sensor", new SimpleStringSchema(), properties));
自定义 Source

除了以上的 source 数据来源， 我们还可以自定义 source。需要做的，只是传入一个 SourceFunction 就可以。具体调用如下：

DataStream<SensorReading> dataStream = env.addSource( new MySensor());

我们希望可以随机生成传感器数据， MySensorSource 具体的代码实现如下：

public static class MySensor implements SourceFunction<SensorReading>{
	private boolean running = true;
	public void run(SourceContext<SensorReading> ctx) throws Exception { 
		Random random = new Random();
		HashMap<String, Double> sensorTempMap = new HashMap<String, Double>();
		for( int i = 0; i < 10; i++ ){
			sensorTempMap.put("sensor_" + (i + 1), 60 + random.nextGaussian() * 20);
		}
		while (running) {
			for( String sensorId: sensorTempMap.keySet() ){
				Double newTemp = sensorTempMap.get(sensorId) + random.nextGaussian(); 
				sensorTempMap.put(sensorId, newTemp);
				ctx.collect( new SensorReading(sensorId, System.currentTimeMillis(),newTemp));
			}
			Thread.sleep(1000L);
		}
	}
	public void cancel() {
		this.running = false;
	}
}

Transform转换算子

map

最基本的转换功能
在这里插入图片描述

DataStream<Integer> mapStram = dataStream.map(new MapFunction<String, Integer>() {
	public Integer map(String value) throws Exception {
		return value.length();
	}
});
flatMap

打散，拆分，输出多个数据

DataStream<String> flatMapStream = dataStream.flatMap(new FlatMapFunction<String, String>() {
	public void flatMap(String value, Collector<String> out) throws Exception { 
		String[] fields = value.split(",");
		for( String field: fields )
		out.collect(field);
	}
});
Filter

按照某种条件过滤筛选，可能会不输出
在这里插入图片描述

DataStream<Interger> filterStream = dataStream.filter(new FilterFunction<String>()
{
	public boolean filter(String value) throws Exception {
		return value == 1;
	}
});
KeyBy

在这里插入图片描述
DataStream → KeyedStream： 逻辑地将一个流拆分成不相交的分区，每个分区包含具有相同 key 的元素， 在内部以 hash 的形式实现的。

滚动聚合算子（Rolling Aggregation）

这些算子可以针对 KeyedStream 的每一个支流做聚合。

  • sum()
  • min()（只更新选择字段的内容）
  • max()（只更新选择字段的内容）
  • minBy()（更新选择字段的整条内容）
  • maxBy()（更新选择字段的整条内容）
Reduce

KeyedStream → DataStream： 一个分组数据流的聚合操作， 合并当前的元素和上次聚合的结果，产生一个新的值，返回的流中包含每一次聚合的结果，而不是只返回最后一次聚合的最终结果。

DataStream<String> inputStream = env.readTextFile("sensor.txt");
// 转换成 SensorReading 类型
DataStream<SensorReading> dataStream = inputStream.map(new MapFunction<String, SensorReading>() {
	public SensorReading map(String value) throws Exception { 
		String[] fileds = value.split(",");
		return new SensorReading(fileds[0], new Long(fileds[1]), new Double(fileds[2]));
	}
});
// 分组
KeyedStream<SensorReading, Tuple> keyedStream = dataStream.keyBy("id");
// reduce 聚合，取最小的温度值，并输出当前的时间戳
DataStream<SensorReading> reduceStream = keyedStream.reduce(new ReduceFunction<SensorReading>() {
	@Override
	public SensorReading reduce(SensorReading value1, SensorReading value2)throws Exception {
		return new SensorReading( value1.getId(), value2.getTimestamp(),Math.min(value1.getTemperature(), value2.getTemperature()));
	}
});
Split 和 Select
Split

在这里插入图片描述
DataStream → SplitStream：根据某些特征把一个 DataStream 拆分成两个或者多个 DataStream。

Select

在这里插入图片描述
SplitStream→DataStream： 从一个 SplitStream 中获取一个或者多个DataStream。

需求： 传感器数据按照温度高低（ 以 30 度为界）， 拆分成两个流。

SplitStream<SensorReading> splitStream = dataStream.split(new OutputSelector<SensorReading>() {
	@Override
	public Iterable<String> select(SensorReading value) {
		return (value.getTemperature() > 30) ? Collections.singletonList("high") : Collections.singletonList("low");
	}
});
DataStream<SensorReading> highTempStream = splitStream.select("high"); 
DataStream<SensorReading> lowTempStream = splitStream.select("low"); 
DataStream<SensorReading> allTempStream = splitStream.select("high", "low");
Connect 和 CoMap

在这里插入图片描述
DataStream,DataStream → ConnectedStreams：连接两个保持他们类型的数据流，两个数据流被 Connect 之后，只是被放在了一个同一个流中，内部依然保持各自的数据和形式不发生任何变化，两个流相互独立。

CoMap,CoFlatMap

在这里插入图片描述

ConnectedStreams → DataStream ：作用于 ConnectedStreams 上， 功能与 map 和 flatMap 一样，对 ConnectedStreams 中的每一个 Stream 分别进行 map 和 flatMap 处理。

//合流 connect
DataStream<Tuple2<String, Double>> warningStream = highTempStream.map(new MapFunction<SensorReading, Tuple2<String, Double>>() {
	@Override
	public Tuple2<String, Double> map(SensorReading value) throws Exception {
		return new Tuple2<>(value.getId(), value.getTemperature());
	}	
});
ConnectedStreams<Tuple2<String, Double>, SensorReading> connectedStreams = warningStream.connect(lowTempStream);
DataStream<Object> resultStream = connectedStreams.map(new CoMapFunction<Tuple2<String,Double>, SensorReading, Object>() {
	@Override
	public Object map1(Tuple2<String, Double> value) throws Exception {
		return new Tuple3<>(value.f0, value.f1, "warning");
	}	
	@Override
	public Object map2(SensorReading value) throws Exception {
		return new Tuple2<>(value.getId(), "healthy");
	}
});
Union

在这里插入图片描述
DataStream → DataStream：对两个或者两个以上的 DataStream 进行 union 操作，产生一个包含所有 DataStream 元素的新 DataStream。

DataStream<SensorReading> unionStream = highTempStream.union(lowTempStream);
Connect 与 Union 区别：

Union 之前两个流的类型必须是一样，Connect 可以不一样，在之后的 coMap中再去调整成为一样的。
Connect 只能操作两个流， Union 可以操作多个。

支持的数据类型

Flink 流应用程序处理的是以数据对象表示的事件流。所以在 Flink 内部， 我们需要能够处理这些对象。它们需要被序列化和反序列化， 以便通过网络传送它们； 或者从状态后端、检查点和保存点读取它们。为了有效地做到这一点，Flink 需要明确知道应用程序所处理的数据类型。Flink 使用类型信息的概念来表示数据类型，并为每个数据类型生成特定的序列化器、反序列化器和比较器。

Flink 还具有一个类型提取系统，该系统分析函数的输入和返回类型，以自动获取类型信息，从而获得序列化器和反序列化器。但是，在某些情况下，例如 lambda 函数或泛型类型，需要显式地提供类型信息，才能使应用程序正常工作或提高其性能。

Flink 支持 Java 和 Scala 中所有常见数据类型。使用最广泛的类型有以下几种。

基础数据类型

Flink 支持所有的 Java 和 Scala 基础数据类型， Int, Double, Long, String, …

DataStream<Integer> numberStream = env.fromElements(1, 2, 3, 4);
numberStream.map(data -> data * 2);
Java 和 Scala 元组（Tuples）
DataStream<Tuple2<String, Integer>> personStream = env.fromElements(new Tuple2("Adam", 17),new Tuple2("Sarah", 23) ); 
personStream.filter(p -> p.f1 > 18);
Scala 样例类（case classes）
case class Person(name: String, age: Int) 
val persons: DataStream[Person] = env.fromElements( Person("Adam", 17), Person("Sarah", 23) )
persons.filter(p => p.age > 18)
Java 简单对象（POJOs）
public class Person	{
	public String name;
	public int age;
	public Person() {}
	public Person(String name, int age) { 
		this.name = name;
		this.age = age;
	}
}
DataStream<Person> persons = env.fromElements(new Person("Alex", 42),new Person("Wendy", 23));
其它（Arrays, Lists, Maps, Enums, 等等）

Flink 对 Java 和 Scala 中的一些特殊目的的类型也都是支持的，比如 Java 的ArrayList， HashMap， Enum 等等。

实现UDF 函数——更细粒度的控制流

函数类（Function Classes）

Flink 暴露了所有 udf 函数的接口(实现方式为接口或者抽象类)。例如MapFunction, FilterFunction, ProcessFunction 等等。下面例子实现了 FilterFunction 接口：

DataStream<String> flinkTweets = tweets.filter(new FlinkFilter());
public static class FlinkFilter implements FilterFunction<String> {
	@Override
	public boolean filter(String value) throws Exception {
		return value.contains("flink");
	}
}

还可以将函数实现成匿名类

DataStream<String> flinkTweets = tweets.filter(new FilterFunction<String>() {
	@Override
	public boolean filter(String value) throws Exception {
		return value.contains("flink");
	}
});

我们 filter 的字符串"flink"还可以当作参数传进去。

DataStream<String> tweets = env.readTextFile("INPUT_FILE "); 
DataStream<String> flinkTweets = tweets.filter(new KeyWordFilter("flink"));
public static class KeyWordFilter implements FilterFunction<String> {
	private String keyWord;
	KeyWordFilter(String keyWord) { 
		this.keyWord = keyWord; 
	}
	@Override
	public boolean filter(String value) throws Exception {
		return value.contains(this.keyWord);
	}
}
匿名函数（Lambda Functions）
DataStream<String> tweets = env.readTextFile("INPUT_FILE");
DataStream<String> flinkTweets = tweets.filter( tweet -> tweet.contains("flink") );
富函数（Rich Functions）

“富函数”是 DataStream API 提供的一个函数类的接口， 所有 Flink 函数类都有其 Rich 版本。它与常规函数的不同在于，可以获取运行环境的上下文，并拥有一些生命周期方法，所以可以实现更复杂的功能。

  • RichMapFunction
  • RichFlatMapFunction
  • RichFilterFunction
  • …

Rich Function 有一个生命周期的概念。典型的生命周期方法有：

  • open()方法是 rich function 的初始化方法，当一个算子例如 map 或者 filter被调用之前 open()会被调用。
  • close()方法是生命周期中的最后一个调用的方法，做一些清理工作。
  • getRuntimeContext()方法提供了函数的 RuntimeContext 的一些信息，例如函数执行的并行度，任务的名字，以及 state 状态
public static class MyMapFunction extends RichMapFunction<SensorReading, Tuple2<Integer, String>> {
	@Override
	public Tuple2<Integer, String> map(SensorReading value) throws Exception {
		return new Tuple2<>(getRuntimeContext().getIndexOfThisSubtask(), value.getId());
	}
	@Override
	public void open(Configuration parameters) throws Exception { 
		System.out.println("my map open");
		// 以下可以做一些初始化工作，例如建立一个和 HDFS 的连接
	}
	@Override
	public void close() throws Exception { 
		System.out.println("my map close");
		// 以下做一些清理工作，例如断开和 HDFS 的连接
	}
}

Sink

Flink 没有类似于 spark 中 foreach 方法， 让用户进行迭代的操作。虽有对外的输出操作都要利用 Sink 完成。最后通过类似如下方式完成整个任务最终输出操作。

stream.addSink(new MySink(xxxx))

官方提供了一部分的框架的 sink。除此以外，需要用户自定义实现 sink。
在这里插入图片描述
在这里插入图片描述

Kafka

pom.xml

<dependency>
	<groupId>org.apache.flink</groupId>
	<artifactId>flink-connector-kafka-0.11_2.12</artifactId>
	<version>1.10.1</version>
</dependency>

主函数中添加 sink：

dataStream.addSink(new FlinkKafkaProducer011[String]("localhost:9092","test", new SimpleStringSchema()))
Redis

pom.xml

<dependency>
	<groupId>org.apache.bahir</groupId>
	<artifactId>flink-connector-redis_2.11</artifactId>
	<version>1.0</version>
</dependency>

定义一个 redis 的 mapper 类，用于定义保存到 redis 时调用的命令：

public static class MyRedisMapper implements RedisMapper<SensorReading>{
	// 保存到 redis 的命令，存成哈希表
	public RedisCommandDescription getCommandDescription() {
		return new RedisCommandDescription(RedisCommand.HSET, "sensor_tempe");
	}
	public String getKeyFromData(SensorReading data) {
		return data.getId();
	}
	public String getValueFromData(SensorReading data) {
		return data.getTemperature().toString();
	}
}

在主函数中调用：

FlinkJedisPoolConfig config = new FlinkJedisPoolConfig.Builder()
.setHost("localhost")
.setPort(6379)
.build();
dataStream.addSink( new RedisSink<SensorReading>(config, new MyRedisMapper()) );
Elasticsearch

pom.xml

<dependency>
	<groupId>org.apache.flink</groupId>
	<artifactId>flink-connector-elasticsearch6_2.12</artifactId>
	<version>1.10.1</version>
</dependency>

在主函数中调用：

// es 的 httpHosts 配置
ArrayList<HttpHost> httpHosts = new ArrayList<>(); httpHosts.add(new HttpHost("localhost", 9200));
dataStream.addSink( new ElasticsearchSink.Builder<SensorReading>(httpHosts, new MyEsSinkFunction()).build());

ElasitcsearchSinkFunction 的实现：

public static class MyEsSinkFunction implements ElasticsearchSinkFunction<SensorReading>{
	@Override
	public void process(SensorReading element, RuntimeContext ctx, RequestIndexer indexer) {
		HashMap<String, String> dataSource = new HashMap<>(); 
		dataSource.put("id", element.getId()); 					
		dataSource.put("ts", element.getTimestamp().toString());
		dataSource.put("temp", element.getTemperature().toString());	
		IndexRequest indexRequest = Requests.indexRequest().index("sensor").type("readingData").source(dataSource);	
		indexer.add(indexRequest);
	}
}
JDBC 自定义 sink

pom.xml

<dependency>
	<groupId>mysql</groupId>
	<artifactId>mysql-connector-java</artifactId>
	<version>5.1.44</version>
</dependency>

添加 MyJdbcSink

public static class MyJdbcSink extends RichSinkFunction<SensorReading> { 
	Connection conn = null;
	PreparedStatement insertStmt = null; 
	PreparedStatement updateStmt = null;

	// open 主要是创建连接
	@Override
	public void open(Configuration parameters) throws Exception {
		conn = DriverManager.getConnection("jdbc:mysql://localhost:3306/test","root", "123456");
		// 创建预编译器，有占位符，可传入参数
		insertStmt = conn.prepareStatement("INSERT INTO sensor_temp (id, temp) VALUES (?, ?)");
		updateStmt = conn.prepareStatement("UPDATE sensor_temp SET temp = ? WHERE id = ?");
	}
	// 调用连接，执行 sql
	@Override
	public void invoke(SensorReading value, Context context) throws Exception {
	// 执行更新语句，注意不要留 super updateStmt.setDouble(1, value.getTemperature()); updateStmt.setString(2, value.getId()); updateStmt.execute();
	// 如果刚才 update 语句没有更新，那么插入
		if (updateStmt.getUpdateCount() == 0) {
			insertStmt.setString(1, value.getId());
			insertStmt.setDouble(2, value.getTemperature());
			insertStmt.execute();
		}
	}
	@Override
	public void close() throws Exception { insertStmt.close(); updateStmt.close();
		conn.close();
	}
}

在 main 方法中增加， 把明细保存到 mysql 中

dataStream.addSink(new MyJdbcSink())
# flink # kafka # java
Logo
CSDN学习社区

CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！

更多推荐

cover

用 OpenAI Assistants 做大模型应用开发

avatar CSDN学习社区
cover

1 小时解读鸿蒙 10 大热点问题

avatar CSDN学习社区
cover

1 小时解读鸿蒙 10 大热点问题

avatar CSDN学习社区