Flink開發如何批處理應用程序

Flink開發如何批處理應用程序，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

需求

詞頻統計，即給一個文件，統計文件中每個單詞出現的次數，分隔符是\t。這個文件內容如下：

hello    world    welcome
hello    welcome

統計結果直接打印在控制臺。生產環境下一般Sink到目的地。

使用Flink + java實現需求

環境

JDK：1.8

Maven：3.6.1（最低Maven 3.0.4）

創建項目

mvn archetype:generate -DarchetypeGroupId=org.apache.flink -DarchetypeArtifactId=flink-quickstart-java -DarchetypeVersion=1.8.1 -DarchetypeCatalog=local

groupId: com.vincent artifactId: springboot-flink-train version:1.0 這樣就創建了一個項目，使用Idea導入這個項目，項目結構如下：

里面有兩個自動為我們準備好的java類。

開發步驟

第一步：創建批處理上下文環境

// set up the batch execution environment
final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();

第二步：讀取數據

env.readTextFile(textPath);

第三步：transform operations，例如 filter()  flatMap()  join()  coGroup()，這是開發的核心所在，一般就是業務邏輯

第四步：execute program

具體操作

第一步：讀取數據

hello	welcome

第二步：每一行的數據按照指定的分隔符拆分

hello
welcome

第三步：為每一個單詞賦上次數為1

(hello,1)
(welcome,1)

第四步：合并操作

代碼實現

/**
 * 使用Java API來開發Flink的批處理應用程序
 */
public class BatchWCJavaApp {
    public static void main(String[] args) throws Exception {
        String input = "E:/test/input/test.txt";
        // step1: 獲取運行環境
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
        // step2: 讀取數據
        DataSource<String> text = env.readTextFile(input);
        // step3: transform
        // FlatMapFunction<String, Tuple2<String, Integer>表示進來一個String, 轉換成一個<String, Integer>類型
        text.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
            /**
             *
             * @param value 就是一行一行的字符串
             * @param out 轉換成(單詞,次數)
             * @throws Exception
             */
            @Override
            public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
                String[] tokens = value.toLowerCase().split("\t");
                for(String token: tokens) {
                    if(token.length() > 0) {
                        out.collect(new Tuple2<String, Integer>(token, 1));
                    }
                }
            }
        }).groupBy(0).sum(1).print();
    }
}

運行結果

(world,1)
(hello,2)
(welcome,2)

使用Flink + scala實現需求

環境

JDK：1.8

Maven：3.6.1（最低Maven 3.0.4）

創建項目，跟使用java方式是一樣的

mvn archetype:generate -DarchetypeGroupId=org.apache.flink -DarchetypeArtifactId=flink-quickstart-scala -DarchetypeVersion=1.8.1 -DarchetypeCatalog=local

groupId: com.vincent artifactId: springboot-flink-train-scala version:1.0 這樣就創建了一個項目，使用Idea導入這個項目：

接下來的開發步驟與使用java實現的開發步驟是一樣的：這里給出

代碼實現

import org.apache.flink.api.scala.ExecutionEnvironment


/**
  * 使用Scala開發Flink的批處理應用程序
  */
object BatchWCScalaApp {
  def main(args: Array[String]): Unit = {
    val input = "E:/test/input/test.txt"
    val env = ExecutionEnvironment.getExecutionEnvironment
    val text = env.readTextFile(input)
    // 引入隱式轉換
    import org.apache.flink.api.scala._

    text.flatMap(_.toLowerCase.split("\t"))
      .filter(_.nonEmpty)
      .map((_, 1))
      .groupBy(0)
      .sum(1)
      .print()
  }
}

Java與Scala實現方式對比

算子與簡潔性

也就是transform部分雖然原理是一樣的，但是實現的方式不一樣，scala更加簡潔

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。