从零开始学Flink：揭开实时计算的神秘面纱
一、为什么需要Flink？当你在电商平台秒杀商品时，1毫秒的延迟可能导致交易失败；当自动驾驶汽车遇到障碍物时，10毫秒的计算延迟可能酿成事故。这些场景揭示了一个残酷事实：数据的价值随时间呈指数级衰减。
传统批处理（如Hadoop）像老式火车，必须等所有乘客（数据）到齐才能发车；而流处理（如Flink）如同磁悬浮列车，每个乘客（数据）上车即刻出发。Flink的诞生，让数据从"考古材料"变为"新鲜血液"。
二、初识Flink
1. 定义
Apache Flink是由德国柏林工业大学于2009年启动的研究项目，2014年进入Apache孵化器，现已成为实时计算领域的事实标准。其核心能力可用一句话概括：对无界和有界数据流进行有状态计算。
2. 核心特性
流处理优先：批处理是流处理的特例（有界数据流）
事件时间语义：按数据真实发生时间处理（而非系统接收时间）
精确一次语义：确保计算结果100%准确
亚秒级延迟：处理延迟可控制在毫秒级
3. 技术架构
Flink运行时架构包含三个关键角色：
[*]JobManager：大脑中枢，负责任务调度与检查点管理
[*]TaskManager：肌肉组织，执行具体计算任务
[*]Dispatcher：网关系统，提供REST接口提交作业
三、环境搭建
环境要求
1. Windows 10 2004 或更高版本（建议使用 Windows 11）
2. 已启用 WSL 2
3. 存储空间：至少 1GB 可用空间
详细安装步骤
步骤 1：启用 WSL
在 PowerShell 中以管理员身份运行以下命令：
# 启用 WSL 功能
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
# 启用虚拟机平台
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
# 设置 WSL 2 为默认版本
wsl --set-default-version 2
# 重启电脑（必须步骤）步骤 2：安装 Ubuntu
1. 打开 Microsoft Store
2. 搜索安装 Ubuntu 22.04 LTS
3. 启动 Ubuntu 并创建用户名和密码
步骤 3：安装 Java 17
在 Ubuntu 终端执行：
# 更新软件包列表
sudo apt update
# 安装 Java 17
sudo apt install -y openjdk-17-jdk
# 设置环境变量
echo 'export JAVA_HOME=/usr/lib/jvm/java-17-openjdk-amd64' >>/etc/profile
echo 'export PATH=$PATH:$JAVA_HOME/bin' >> /etc/profile
source /etc/profile
# 验证安装
java -version
# 应显示类似：OpenJDK Runtime Environment (build 17.0.14+...)步骤 4：下载并安装 Flink 1.20.1
# 下载 Flink
wget https://archive.apache.org/dist/flink/flink-1.20.1/flink-1.20.1-bin-scala_2.12.tgz
# 解压安装包
tar xzf flink-1.20.1-bin-scala_2.12.tgz
# 移动到安装目录
sudo mv flink-1.20.1 /opt/flink
# 设置环境变量
echo 'export FLINK_HOME=/opt/flink' >>/etc/profile
echo 'export PATH=$PATH:$FLINK_HOME/bin' >> /etc/profile
source /etc/profile步骤 5：修改内存配置
编辑配置文件：
vi /opt/flink/conf/conf.yaml修改以下关键参数:
jobmanager:
bind-host: 0.0.0.0
rpc:
address: localhost
port: 6123
memory:
process:
size: 1600m
execution:
failover-strategy: region
taskmanager:
bind-host: 0.0.0.0
host: localhost
numberOfTaskSlots: 2
memory:
process:
size: 2048m
parallelism:
default: 2
rest:
address: localhost
bind-address: 0.0.0.0
port: 8081步骤 6：启动 Flink 集群
# 启动集群（JobManager + TaskManager）
$FLINK_HOME/bin/start-cluster.sh
# 检查运行状态
jps步骤 7：访问 Web UI
在 Windows 浏览器中访问：
http://localhost:8081
四、实战第一个Flink程序：BatchWordCount
下面将详细介绍如何在Flink环境中创建并运行第一个WordCount程序。这个经典示例将带你从项目创建到代码执行，全面体验Flink开发流程。
项目结构设计
采用多模块Gradle项目，结构清晰：
flink-learning/
├── build.gradle # 根项目构建配置
├── settings.gradle # 多模块配置
├── libraries.gradle # 依赖统一管理
├── data/ # 数据文件夹
│ ├── input.txt # 输入文件
│ └── output.txt # 输出文件
└── wordcount/ # WordCount模块
├── build.gradle # 模块构建配置
└── src/main/java # 源代码目录
└── cn/com/daimajiangxin/flink/wordcount
└── BatchWordCount.java # 主程序核心文件配置
详细配置参考代码仓库：https://gitee.com/daimajiangxin/flink-learning.git
WordCount代码实现
package cn.com.daimajiangxin.flink.wordcount;
import org.apache.flink.api.common.RuntimeExecutionMode;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.ReduceFunction;
import org.apache.flink.api.common.typeinfo.TypeHint;
import org.apache.flink.api.common.typeinfo.TypeInformation;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.connector.file.src.FileSource;
import org.apache.flink.connector.file.src.reader.TextLineFormat;
import org.apache.flink.core.fs.Path;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
import java.nio.charset.StandardCharsets;
import java.time.Duration;
import java.util.Arrays;
public class BatchWordCount {
public static void main(String[] args) throws Exception {
// 转换Windows路径格式
args = convertWindowsPaths(args);
// 参数校验
if (args.length < 2) {
System.err.println("Usage: BatchWordCount <input> <output> [--parallelism=N]");
System.err.println("Example: BatchWordCount input.txt output.txt --parallelism=4");
System.exit(1);
}
final String inputPath = args;
final String outputPath = args;
int parallelism = 1; // 默认并行度
// 1. 创建流批一体执行环境
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 明确指定批处理模式
env.setRuntimeMode(RuntimeExecutionMode.BATCH);
// 设置并行度和作业名称
env.setParallelism(parallelism);
env.getConfig().enableObjectReuse();
// 2. 使用最新的FileSource API读取输入数据
DataStream<String> text = createFileSource(env, inputPath, parallelism);
// 3. 定义处理逻辑
SingleOutputStreamOperator<Tuple2<String, Integer>> counts = text
.flatMap(new Tokenizer())
.name("Tokenizer")
.setParallelism(parallelism)
.keyBy(value -> value.f0)
.reduce(new SumReducer())
.name("SumReducer")
.setParallelism(parallelism)
.returns(TypeInformation.of(new TypeHint<Tuple2<String, Integer>>() {}));
// 4. 输出结果到文件
counts.writeAsText(outputPath)
.name("FileSink")
.setParallelism(1);
// 5. 执行作业
try {
System.out.println("Starting Flink WordCount job...");
System.out.println("Input path: " + inputPath);
System.out.println("Output path: " + outputPath);
System.out.println("Parallelism: " + parallelism);
env.execute("Flink Batch WordCount Example");
System.out.println("Job completed successfully!");
} catch (Exception e) {
System.err.println("Job execution failed: " + e.getMessage());
e.printStackTrace();
}
}
// Windows路径转换
private static String[] convertWindowsPaths(String[] args) {
if (args.length >= 1) {
args = "file:///" + args
.replace("\\", "/")
.replace(" ", "%20");
}
if (args.length >= 2) {
args = "file:///" + args
.replace("\\", "/")
.replace(" ", "%20");
}
return args;
}
// 创建文件源
private static DataStream<String> createFileSource(
StreamExecutionEnvironment env,
String path,
int parallelism) {
// 使用file://前缀
Path filePath = new Path(path);
System.out.println("Loading file from: " + filePath);
TextLineFormat format = new TextLineFormat(StandardCharsets.UTF_8);
FileSource<String> fileSource = FileSource
.forRecordStreamFormat(format, filePath)
.build();
WatermarkStrategy<String> watermarkStrategy = WatermarkStrategy
.<String>forMonotonousTimestamps()
.withIdleness(Duration.ofSeconds(10));
return env.fromSource(
fileSource,
watermarkStrategy,
"FileSource"
)
.name("FileSource")
.setParallelism(1);
}
// 分词器
public static final class Tokenizer implements FlatMapFunction<String, Tuple2<String, Integer>> {
@Override
public void flatMap(String value, Collector<Tuple2<String, Integer>> out) {
// 过滤空行
if (value == null || value.trim().isEmpty()) return;
// 转换为小写并分割单词
String[] words = value.toLowerCase().split("\\W+");
for (String word : words) {
if (!word.isEmpty()) {
out.collect(Tuple2.of(word, 1));
}
}
}
}
// 累加器
public static final class SumReducer implements ReduceFunction<Tuple2<String, Integer>> {
@Override
public Tuple2<String, Integer> reduce(Tuple2<String, Integer> v1, Tuple2<String, Integer> v2) {
return Tuple2.of(v1.f0, v1.f1 + v2.f1);
}
}
}输入文件示例 (input.txt)
input.txt参考代码仓库：https://gitee.com/daimajiangxin/flink-learning.git
运行Flink作业
这里讲述在IDEA中运行刚刚写的BatchWordCount 任务，配置IDEA的APPlication。
VM选项配置
--add-exports=java.base/sun.net.util=ALL-UNNAMED
--add-exports=java.rmi/sun.rmi.registry=ALL-UNNAMED
--add-exports=jdk.compiler/com.sun.tools.javac.api=ALL-UNNAMED
--add-exports=jdk.compiler/com.sun.tools.javac.file=ALL-UNNAMED
--add-exports=jdk.compiler/com.sun.tools.javac.parser=ALL-UNNAMED
--add-exports=jdk.compiler/com.sun.tools.javac.tree=ALL-UNNAMED
--add-exports=jdk.compiler/com.sun.tools.javac.util=ALL-UNNAMED
--add-exports=java.security.jgss/sun.security.krb5=ALL-UNNAMED
--add-opens=java.base/java.lang=ALL-UNNAMED
--add-opens=java.base/java.net=ALL-UNNAMED
--add-opens=java.base/java.io=ALL-UNNAMED
--add-opens=java.base/java.nio=ALL-UNNAMED
--add-opens=java.base/sun.nio.ch=ALL-UNNAMED
--add-opens=java.base/java.lang.reflect=ALL-UNNAMED
--add-opens=java.base/java.text=ALL-UNNAMED
--add-opens=java.base/java.time=ALL-UNNAMED
--add-opens=java.base/java.util=ALL-UNNAMED
--add-opens=java.base/java.util.concurrent=ALL-UNNAMED
--add-opens=java.base/java.util.concurrent.atomic=ALL-UNNAMED
--add-opens=java.base/java.util.concurrent.locks=ALL-UNNAMED程序参数
代码放置路径\\flink-learning\\data\\input.txt
代码放置路径\bigdata\\flink-learning\\data\\output.txt运行BatchWordCount类
Run 或者Debug BatchWordCount的 APPlication.
预期输出
运行成功data目录下会生成output的文件。
(processing,1)
(batch,2)
(flink,2)
(hello,2)
五、技术要点解析
[*]流批一体API：Flink 1.20+使用StreamExecutionEnvironment统一处理批流
[*]文件源：使用FileSource API
[*]精确一次处理：批处理天然支持Exactly-Once语义
[*]并行度控制：通过setParallelism控制任务并行度
[*]Windows路径适配：统一转换为file:///开头的URI格式
六、学习路线建议
完成WordCount后，可逐步探索：
[*]实时流处理（SocketWordCount）
[*]状态管理（StatefulProcessing）
[*]事件时间处理（EventTimeProcessing）
[*]窗口计算（TumblingWindow、SlidingWindow）
[*]CEP复杂事件处理
[*]Table API和SQL
通过这个完整的BatchWordCount实例，你已经掌握了Flink项目的搭建、编码和运行全流程。随着Flink在实时数据处理领域的广泛应用，这些技能将成为大数据开发的宝贵资产。
源文来自：http://blog.daimajiangxin.com.cn
源码地址：https://gitee.com/daimajiangxin/flink-learning
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]