首次尝试Flink的一些感受

最近打算研究研究 Flink，根据官方文档写个 Hello,World。入门还是比较容易的，不需要复杂的安装环境、配置。这篇文章简单介绍 Flink 的使用感受以及入门。

感受

• 搭建环境方便：Flink 可以在 Windows 下运行与开发。对于喜欢 Windows 下开发的人，可以免去搭建虚拟机的成本。并且不依赖其他框架，本地环境搭建简单。这点很关键，许多人学习框架都放弃在了环境搭建上。减少搭建环境的成本，可以避免初学者浪费过多精力。Hadoop 的搭建框架就非常麻烦，并且早期 Hadoop 只能运行在 Linux 下。

• 文档详细：Flink 官网的文档介绍非常详细，开发过程中会涉及的哪些步骤，以及每个步骤的操作路径，Flink 官网都有详细介绍。包括将 Flink 源码导入 IDEA，这解决了想阅读源码的人的一大痛点。

• 中文文档：Flink 官网已经有中文版的页面，虽然目前中文页面比较少，应该正在翻译中。说明 Flink 社区比较重视国内开发者。

• 不依赖 Hadoop：这对于一个全新的框架是件好事，这样可以没有历史包袱。并且对于学习该框架的人可以独立部署、开发，而不需要有其他框架的背景。

• 关注度在上升：在微信中搜索 Flink 发现大部分文章都是 18、19年写的，说明 Flink 关注度在逐渐上升。一些大厂也都开始使用 Flink 构建实时数据仓库，如：阿里巴巴。

可以看出 Flink 致力于为开发者提供一种方便、易用的编程框架。同时，社区非常注重文档的详细程序以及开发者使用的便利性。

下面的内容是搭建 Flink 环境，并运行 WordCount。

本地运行

Flink 可以运行在 Linux、Mac OS X 和 Windows 环境。我喜欢在 Windows 下开发，所以在 Windows 运行 Flink。Flink 的最新版本（1.8.0）需要 JDK 的版本为 1.8 以上。本地启动 Flink 非常容易，下载 Flink 二进制包，需要选择 Scala 的版本，如果不用 Scala 开发 Flink 应用程序选哪个版本无所谓。我下载的是 flink-1.8.0-bin-scala_2.11.tgz。启动步骤如下：

cd flink-1.8.0 #解压后的目录
cd binstart-cluster.bat #启动本地 Flink

启动后会发现弹出了两个 Java 程序的窗口。一个是 JobManager，另一个是 TaskManater。通过 http://localhost:8081 访问 Flink 的 web 页面，该站点用于查看运行环境和资源、提交和监控 Flink 作业。

WordCount

通过简单的 WordCount 感受一下 Flink 应用程序的编写过程。Flink 已经提供生成 Maven 工程的模板

# 使用 Java 的 maven 工程
mvn archetype:generate                               \
      -DarchetypeGroupId=org.apache.flink              \
      -DarchetypeArtifactId=flink-quickstart-java      \
      -DarchetypeVersion=1.8.0

# 使用 Scala 的 maven 工程
mvn archetype:generate                               \
      -DarchetypeGroupId=org.apache.flink              \
      -DarchetypeArtifactId=flink-quickstart-scala     \
      -DarchetypeVersion=1.8.0

如果不想通过命令行的方式生成 maven 工程，可以通过如下设置在 IDEA 中创建 Flink 应用的模板工程，以 Java 为例

在如上的页面点击 “Add Archetype...”，然后再弹出的对话框填写如下内容

选择我们添加的 archetype 便可继续创建 maven 工程。除了 maven 工程还可以创建 Gradle 和 Sbt 工程。

为了快速运行 Flink 应用，我们可以直接将官网 WordCount 例子的代码拷贝自己的项目。Java 代码如下

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.ReduceFunction;
import org.apache.flink.api.java.utils.ParameterTool;
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 FirstCase {    
    public static void main(String[] args) throws Exception {        
        // the port to connect to
        final int port = 9000;        
        // get the execution environment
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();        
        // get input data by connecting to the socket
        DataStream<String> text = env.socketTextStream("192.168.29.132", port, "\n");        
        // parse the data, group it, window it, and aggregate the counts
        DataStream<WordWithCount> windowCounts = text
                .flatMap(new FlatMapFunction<String, WordWithCount>() {
                    @Override                    
                    public void flatMap(String value, Collector<WordWithCount> out) {                        for (String word : value.split("\\s")) {
                            out.collect(new WordWithCount(word, 1L));
                        }
                    }
                })
                .keyBy("word")
                .timeWindow(Time.seconds(5), Time.seconds(1))
                .reduce(new ReduceFunction<WordWithCount>() {
                    @Override                    
                    public WordWithCount reduce(WordWithCount a, WordWithCount b) {                        return new WordWithCount(a.word, a.count + b.count);
                    }
                });        
                // print the results with a single thread, rather than in parallel
        windowCounts.print().setParallelism(1);

        env.execute("Socket Window WordCount");
    }    // Data type for words with count
    public static class WordWithCount {        
        public String word;        
        public long count;        
        public WordWithCount() {}        
        public WordWithCount(String word, long count) {            
            this.word = word;            
            this.count = count;
        }

        @Override        
        public String toString() {            
            return word + " : " + count;
        }
    }
}

虽然不太熟悉 Flink 编程模型，但从上面代码中基本上能推测出每一步的含义。由于我们入门 Flink ，刚开始没必要太纠结代码本身。先将 Demo 运行起来，在慢慢深入学习。现在统计程序已经有了，但是还缺少数据源。官网的例子使用的是 netcat ，我在 Windows 下安装了该工具，但是觉得用起来不方便。在 Linux 虚拟机上装了一个，这样用法跟官网一致的。我的虚拟机系统为 Centos 7 64位，安装命令如下

yum install nmap-ncat.x86_64

启动 netcat 用于发数据

nc -l 9000

接下来便是启动 Flink 应用程序连接数据源并进行统计。 启动之前需要将以下代码中 ip 和 端口换成自己的

DataStream<String> text = env.socketTextStream("192.168.29.132", port, "\n");

启动 Flink 应用程序有两种方式，一种是直接直接在 IDEA 中直接运行 Java 程序；另一种是通过 maven 打一个 jar 包，提交到 Flink 集群运行。第二种方式的命令如下

$FLINK_HOME\bin\flink run  $APP_HOME\flink-ex-1.0-SNAPSHOT.jar
FLINK_HOME 为 flink 二进制包的目录
APP_HOME 为上面创建的 maven 工程的目录

启动 Flink 应用后，我们可以在 netcat 中输入文本，并观察 Flink 的统计结果

$ nc -l 9000a a

我们只发送了一行，内容为“a a”。如果在 IDEA 中启动程序可以直接在 IDEA 控制台看到输出结果，如果通过 flink run 方式启动，需要在 TaskManager 的窗口中查看输出。输出内容如下

a : 2a : 2a : 2a : 2a : 2

为什么输出了 5 次。来看一下我们的应用程序中有这样一句

.timeWindow(Time.seconds(5), Time.seconds(1))

它代表 Flink 应用程序每次处理的数据窗口为 5s，处理完后，整个窗口向前滑动 1s 。也就是每次处理的数据为“最近 5s”的数据。因为最近 5s 数据源中只有“a a”这一条记录，因此输出 5 次。

以上便是 Java 版的 WordCount。当然我们也可以用 Scala 编写，且 Scala 的写法更简洁，代码量更少。

import org.apache.flink.api.java.utils.ParameterTool
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time

object SocketWindowWordCount {
  def main(args: Array[String]) : Unit = {    
  // get the execution environment
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment    
    // get input data by connecting to the socket
    val text = env.socketTextStream("192.168.29.132", 9000, '\n')    
    // parse the data, group it, window it, and aggregate the counts
    val windowCounts = text
      .flatMap { w => w.split("\\s") }
      .map { w => WordWithCount(w, 1) }
      .keyBy("word")
      .timeWindow(Time.seconds(5), Time.seconds(1))
      .sum("count")    
   // print the results with a single thread, rather than in parallel
    windowCounts.print().setParallelism(1)

    env.execute("Socket Window WordCount")
  }  
  // Data type for words with count
  case class WordWithCount(word: String, count: Long)
}

基本上是 Java 一半的代码量。个人感觉 Scala 做大数据统计代码还是挺合适的，虽然 Scala 门槛比较高。Scala 程序的运行方式跟 Java 一样。编写过程中如果出现以下错误，需要看看是不是 import 语句没写对

Error:(29, 16) could not find implicit value for evidence parameter of type org.apache.flink.api.common.typeinfo.TypeInformation[String]
      .flatMap { w => w.split("\\s") }

解决方法

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

总结

以上便是 Flink 的简单入门，后续继续关注 Flink 框架。