一、Flink简介
Flink诞生于欧洲的一个大数据研究项目StratoSphere。该项目是柏林工业大学的一个研究性项目。早期，Flink是做Batch计算的，但是在2014年，StratoSphere里面的核心成员孵化出Flink，同年将Flink捐赠Apache，并在后来成为Apache的顶级大数据项目，同时Flink计算的主流方向被定位为Streaming，即用流式计算来做所有大数据的计算，这就是Flink技术诞生的背景。
2015开始阿里开始介入flink 负责对资源调度和流式sql的优化，成立了阿里内部版本blink在最近更新的1.9版本中,blink开始合并入flink,
未来flink也将支持java,scala,python等更多语言，并在机器学习领域施展拳脚。
二、Flink开发环境搭建
首先要想运行Flink，我们需要下载并解压Flink的二进制包，下载地址如下：https://flink.apache.org/downloads.html
我们可以选择Flink与Scala结合版本，这里我们选择最新的1.9版本Apache Flink 1.9.0 for Scala 2.12进行下载。
Flink在Windows和Linux下的安装与部署可以查看 Flink快速入门--安装与示例运行，这里演示windows版。
安装成功后，启动cmd命令行窗口，进入flink文件夹，运行bin目录下的start-cluster.bat
$ cd flink $ cd bin $ start-cluster.bat Starting a local cluster with one JobManager process and one TaskManager process. You can terminate the processes via CTRL-C in the spawned shell windows. Web interface by default on http://localhost:8081/.
显示启动成功后，我们在浏览器访问 http://localhost:8081/可以看到flink的管理页面。
三、Flink快速体验
请保证安装好了flink，还需要Maven 3.0.4 和 Java 8 以上版本。这里简述Maven构建过程。
其他详细构建方法欢迎查看：快速构建第一个Flink工程
1、搭建Maven工程
使用Flink Maven Archetype构建一个工程。
$ mvn archetype:generate \ -DarchetypeGroupId=org.apache.flink \ -DarchetypeArtifactId=flink-quickstart-java \ -DarchetypeVersion=1.9.0
你可以编辑自己的artifactId groupId
目录结构如下：
$ tree quickstart/ quickstart/ ├── pom.xml └── src └── main ├── java │ └── org │ └── myorg │ └── quickstart │ ├── BatchJob.java │ └── StreamingJob.java └── resources └── log4j.properties
在pom中核心依赖：
<dependencies> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-java</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-streaming-java_2.11</artifactId> <version>${flink.version}</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-clients_2.11</artifactId> <version>${flink.version}</version> </dependency> </dependencies>
2、编写代码
StreamingJob
import org.apache.flink.api.common.functions.FlatMapFunction; import org.apache.flink.api.java.tuple.Tuple2; import org.apache.flink.streaming.api.datastream.DataStream; import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment; import org.apache.flink.streaming.api.windowing.time.Time; import org.apache.flink.util.Collector; public class StreamingJob { public static void main(String[] args) throws Exception { final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); DataStream<Tuple2<String, Integer>> dataStreaming = env .socketTextStream("localhost", 9999) .flatMap(new Splitter()) .keyBy(0) .timeWindow(Time.seconds(5)) .sum(1); dataStreaming.print(); // execute program env.execute("Flink Streaming Java API Skeleton"); } public static class Splitter implements FlatMapFunction<String, Tuple2<String, Integer>> { @Override public void flatMap(String sentence, Collector<Tuple2<String, Integer>> out) throws Exception { for(String word : sentence.split(" ")){ out.collect(new Tuple2<String, Integer>(word, 1)); } } } }
3、调试程序
安装netcat工具进行简单调试。
启动netcat 输入：
nc -l 9999
启动程序
在netcat中输入几个单词 逗号分隔
在程序一端查看结果
4、程序提交到Flink
启动flink
windows为 start-cluster.bat linux为start-cluster.sh
localhost:8081查看管理页面
通过maven对代码打包
将打好的包提交到flink上
查看log
tail -f log/flink-***-jobmanager.out
在netcat中继续输入单词，在Running Jobs中查看作业状态，在log中查看输出。
四、Flink 编程模型
Flink提供不同级别的抽象来开发流/批处理应用程序。
最低级抽象只提供有状态流。
在实践中，大多数应用程序不需要上述低级抽象，而是针对Core API编程， 如DataStream API（有界/无界流）和DataSet API（有界数据集）。
Table Api声明了一个表，遵循关系模型。
最高级抽象是SQL。
我们这里只用到了DataStream API。
Flink程序的基本构建块是流和转换。
一个程序的基本构成：
l 获取execution environment
l 加载/创建原始数据
l 指定这些数据的转化方法
l 指定计算结果的存放位置
l 触发程序执行
五、DataStreaming API使用
1、获取execution environment
StreamExecutionEnvironment是所有Flink程序的基础，获取方法有：
getExecutionEnvironment()
createLocalEnvironment()
createRemoteEnvironment(String host, int port, String ... jarFiles)
一般情况下使用getExecutionEnvironment。如果你在IDE或者常规java程序中执行可以通过createLocalEnvironment创建基于本地机器的StreamExecutionEnvironment。如果你已经创建jar程序希望通过invoke方式获取里面的getExecutionEnvironment方法可以使用createRemoteEnvironment方式。
2、加载/创建原始数据
StreamExecutionEnvironment提供的一些访问数据源的接口
（1）基于文件的数据源
readTextFile(path) readFile(fileInputFormat, path) readFile(fileInputFormat, path, watchType, interval, pathFilter, typeInfo)
（2）基于Socket的数据源（本文使用的）
l socketTextStream
（3）基于Collection的数据源
fromCollection(Collection) fromCollection(Iterator, Class) fromElements(T ...) fromParallelCollection(SplittableIterator, Class) generateSequence(from, to)
3、转化方法
（1）Map方式：DataStream -> DataStream
功能：拿到一个element并输出一个element，类似Hive中的UDF函数
举例：
DataStream<Integer> dataStream = //... dataStream.map(new MapFunction<Integer, Integer>() { @Override public Integer map(Integer value) throws Exception { return 2 * value; } });
（2）FlatMap方式：DataStream -> DataStream
功能：拿到一个element，输出多个值，类似Hive中的UDTF函数
举例：
dataStream.flatMap(new FlatMapFunction<String, String>() { @Override public void flatMap(String value, Collector<String> out) throws Exception { for(String word: value.split(" ")){ out.collect(word); } } });
（3）Filter方式：DataStream -> DataStream
功能：针对每个element判断函数是否返回true，最后只保留返回true的element
举例：
dataStream.filter(new FilterFunction<Integer>() { @Override public boolean filter(Integer value) throws Exception { return value != 0; } });
（4）KeyBy方式：DataStream -> KeyedStream
功能：逻辑上将流分割成不相交的分区，每个分区都是相同key的元素
举例：
dataStream.keyBy("someKey") // Key by field "someKey" dataStream.keyBy(0) // Key by the first element of a Tuple
（5）Reduce方式：KeyedStream -> DataStream
功能：在keyed data stream中进行轮训reduce。
举例：
keyedStream.reduce(new ReduceFunction<Integer>() { @Override public Integer reduce(Integer value1, Integer value2) throws Exception { return value1 + value2; } });
（6）Aggregations方式：KeyedStream -> DataStream
功能：在keyed data stream中进行聚合操作
举例：
keyedStream.sum(0); keyedStream.sum("key"); keyedStream.min(0); keyedStream.min("key"); keyedStream.max(0); keyedStream.max("key"); keyedStream.minBy(0); keyedStream.minBy("key"); keyedStream.maxBy(0); keyedStream.maxBy("key");
（7）Window方式：KeyedStream -> WindowedStream
功能：在KeyedStream中进行使用，根据某个特征针对每个key用windows进行分组。
举例：
dataStream.keyBy(0).window(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data
（8）WindowAll方式：DataStream -> AllWindowedStream
功能：在DataStream中根据某个特征进行分组。
举例：
dataStream.windowAll(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data
（9）Union方式：DataStream* -> DataStream
功能：合并多个数据流成一个新的数据流
举例：
dataStream.union(otherStream1, otherStream2, ...);
（10）Split方式：DataStream -> SplitStream
功能：将流分割成多个流
举例：
SplitStream<Integer> split = someDataStream.split(new OutputSelector<Integer>() { @Override public Iterable<String> select(Integer value) { List<String> output = new ArrayList<String>(); if (value % 2 == 0) { output.add("even"); } else { output.add("odd"); } return output; } });
（11）Select方式：SplitStream -> DataStream
功能：从split stream中选择一个流
举例：
SplitStream<Integer> split; DataStream<Integer> even = split.select("even"); DataStream<Integer> odd = split.select("odd"); DataStream<Integer> all = split.select("even","odd");
4、输出数据
writeAsText() writeAsCsv(...) print() / printToErr() writeUsingOutputFormat() / FileOutputFormat writeToSocket addSink
