搭建flink_flink入门

搭建flink_flink入门大家好,我是ChinaManor,直译过来就是中国码农的意思,我希望自己能成为国家复兴道路的铺路人,大数据领域的耕耘者,平凡但不甘于平庸的人。

大家好,欢迎来到IT知识分享网。

搭建flink_flink入门

大家好,我是ChinaManor,直译过来就是中国码农的意思,我希望自己能成为国家复兴道路的铺路人,大数据领域的耕耘者,平凡但不甘于平庸的人。

下面为大家带来阿里巴巴极度热推的Flink,实时数仓是未来的方向,学好Flink,月薪过万不是梦!!

相关教程直通车:

2021年最新最全Flink系列教程_Flink原理初探和流批一体API(二)

2021年最新最全Flink系列教程_Flink原理初探和流批一体API(二.五)

2021年最新最全Flink系列教程__Flink高级API(三)

day01_Flink概述、安装部署和入门案例

今日目标

  • Flink概述(了解)
  • Flink安装部署(会部署)
  • Flink入门案例(会操作)

Flink概述

什么是批处理和流处理

  • 批处理,基于周期的数据一批批处理(数据采集、数据ETL、数据统计分析挖掘、报表展示)
  • 流处理,实时的来一条处理一条。

为什么需要流计算

  • 流处理应用场景
    • 实时监控
    • 实时大屏、实时分析
    • 实时数据仓库

Flink的发展史

  • 2009年柏林工业大学一个研究项目
  • 2014年被贡献给 apache 成为顶级项目,Flink 计算的主流方向是流式处理
  • 2019年flink 商业公司被阿里收购,Flink 迎来了快速的发展

Flink的官方介绍

  • Flink 是 Java 开发的,通信机制使用 akka ,数据的交换是 netty
  • Flink 推荐使用 Java 、 scala 、 python
搭建flink_flink入门

Flink组件栈

搭建flink_flink入门

  • 部署层
  • local 单机;
  • 集群部署(standalone 、 yarn 、mesos、k8s);
  • 云部署 (阿里云、腾讯云、亚马逊云等)
  • 运行层 runtime
  • StreamingGraph 流图
  • jobGraph
  • ExecuteGraph
  • API
  • DataSet api (软弃用) ,高版本中 全部弃用
  • DataStream API
  • 类库
  • FlinkML Gelly(图计算)

Flink 中批处理是流处理的一种特例。

Flink基石

  • 检查点 checkpoint 轻量级
  • 状态 state keyedstate operatorstate
  • 时间 time EventTime(业务时间) ingestion time(摄取时间) processing time(处理时间)
  • 窗口 windows 滚动时间、滑动时间、会话窗口、计数窗口
搭建flink_flink入门

Flink的应用场景

  • 常用的应用
搭建flink_flink入门

  • 应用三个场景
  • stream pipeline 流管线
  • 批/流分析
  • 基于事件驱动

Flink的安装部署

Local本地安装

  • 启动 flink
  • [root@node1 bin]$ start-cluster.sh
搭建flink_flink入门

  • Flink web UI页面
  • node1:8081
  • 执行 wordcount 脚本
  • [root@node1 flink]$ bin/flink run /opt/server/flink/examples/batch/WordCount.jar –input /root/words.txt

Standalone独立集群安装

Standalone-HA高可用集群模式

  • zookeeper 选举
  • HDFS
  • 配置
  • node1 上配置 jobmanager.rpc node2上配置 jobmanager.rpc
  • zookeeper 的地址
  • checkpoint 的hdfs的路径
  • zookeeper 恢复的数据在hdfs上的路径
  • workers 每一行一个hostname
  • 启动启动 hdfs hadoop-daemon start namenode
    hadoop-daemon start datanode
    hadoop-daemon start secondarynamenodezookeeper ,每一台都启动,集群模式/export/server/zookeeper/bin/zkServer.sh startFlink启动start-cluster.sh

Flink on Yarn模式

搭建flink_flink入门

  • yarn 的两种提交方式yarn-session对于大量的小文件集合处理数据使用 yarn-sessionper-job-session对于大的数据量 per-job
  • yarn-session 启动并执行任务启动 yarn-session/export/server/flink/bin/yarn-session.sh -n 2 -tm 800 -s 1 -d执行任务在 yarn-session 中/export/server/flink/bin/flink run /export/server/flink/examples/batch/WordCount.jar
  • kill 掉 yarn-session
  • yarn application -kill application_1620078252622_0006
  • per-job 启动并执行任务 [ -m yarn-cluster ]
  • /export/server/flink/bin/flink run -m yarn-cluster -yjm 1024 -ytm 1024 /export/server/flink/examples/batch/WordCount.jar

千亿数据仓库实时项目

  • 实时通过大屏或者看板展示订单相关信息
  • 技术架构
  • 数据源 MySQL、日志数据
  • 日志采集工具Flume、CDC工具Canal(binlog日志变化)
  • 消息队列 Kafka,数据仓库分层,ODS、DWD、DWS层,时间不受限
  • 流式计算引擎 Flink
  • 内存(缓存)数据库Redis ,保存维度数据
  • 明细数据落到Hbase
  • 建索引和SQL查询Phoenix
  • 经过ETL或业务分析统计写回Kafka
  • 时序数据库Druid加载Kafka中数据进行业务的统计
  • 报表展示Superset或者echarts图表工具

Flink入门案例

Flink API

搭建flink_flink入门

编程模型

搭建flink_flink入门

  • source
  • transformation
  • sink
搭建flink_flink入门

批处理案例

package cn.itcast.sz22.day01;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.DataSet;
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.api.java.operators.AggregateOperator;
import org.apache.flink.api.java.operators.DataSource;
import org.apache.flink.api.java.operators.FlatMapOperator;
import org.apache.flink.api.java.operators.MapOperator;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.Collector;
/**
* Author itcast
* Date 2021/5/4 15:25
* 通过 flink 批处理实现 wordcount
* 开发步骤:
* 1. 获取环境变量
* 2. 读取数据源
* 3. 转换操作
* 4. 将数据落地,打印到控制台
* 5. 执行(流环境下)
*/
public class Wordcount {
public static void main(String[] args) throws Exception {
//获取环境变量
ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
//读取数据
//1. 文件中读取
//2. 获取本地的数据,开发测试用
DataSource<String> source = env
.fromElements(“itcast hadoop spark”, “itcast hadoop spark”, “itcast hadoop”, “itcast”);
//3. 进行转换操作
DataSet<String> flatMapDS = source.flatMap(new FlatMapFunction<String, String>() {
@Override
public void flatMap(String value, Collector<String> out) throws Exception {
String[] words = value.split(” “);
for (String word : words) {
out.collect(word);
}
}
});
//3.2 转换成元素 map
MapOperator<String, Tuple2<String, Integer>> mapDS = flatMapDS.map(new MapFunction<String, Tuple2<String, Integer>>() {
@Override
public Tuple2<String, Integer> map(String value) throws Exception {
return Tuple2.of(value, 1);
}
});
//3.3统计
AggregateOperator<Tuple2<String, Integer>> result = mapDS.groupBy(0).sum(1);
//4.打印输出
result.print();
}
}

流处理案例

package cn.itcast.sz22.day01;
import org.apache.flink.api.common.RuntimeExecutionMode;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
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;
/**
* Author itcast
* Date 2021/5/4 15:55
* 流式计算 wordcount 统计
* 编码步骤
* 1.准备环境-env
* 2.准备数据-source
* 3.处理数据-transformation
* 4.输出结果-sink
* 5.触发执行-execute
*/
public class Wordcount2 {
public static void main(String[] args) throws Exception {
//编码步骤
//1.准备环境-env
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setRuntimeMode(RuntimeExecutionMode.STREAMING);
env.setParallelism(1);
//2.准备数据-source
DataStream<String> linesDS = env
.fromElements(“itcast hadoop spark”,”itcast hadoop spark”,”itcast hadoop”,”itcast”);
//3.处理数据-transformation
SingleOutputStreamOperator<String> flatMap = linesDS.flatMap(new FlatMapFunction<String, String>() {
@Override
public void flatMap(String value, Collector<String> out) throws Exception {
String[] words = value.split(” “);
for (String word : words) {
out.collect(word);
}
}
});
SingleOutputStreamOperator<Tuple2<String, Integer>> mapDS = flatMap.map(new MapFunction<String, Tuple2<String, Integer>>() {
@Override
public Tuple2<String, Integer> map(String value) throws Exception {
return Tuple2.of(value, 1);
}
});
SingleOutputStreamOperator<Tuple2<String, Integer>> result = mapDS.keyBy(t -> t.f0)
.sum(1);
//4.输出结果-sink
result.print();
//5.触发执行-execute
env.execute();
}
}

流处理-Lambda版本

package cn.itcast.sz22.day01;
import org.apache.flink.api.common.typeinfo.Types;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
import java.util.Arrays;
/**
* Author itcast
* Date 2021/5/4 16:05
* 通过 java 的 lambda 表达式实现 wordcount
*/
public class Wordcount3 {
public static void main(String[] args) throws Exception {
//1. 获取环境变量
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
//2. 读取数据源
DataStreamSource<String> source = env.fromElements(“itcast hadoop spark”, “itcast hadoop spark”, “itcast hadoop”, “itcast”);
//3. 转换操作
// void flatMap(T value, Collector<O> out)
DataStream<String> faltMapDS = source.flatMap((String value, Collector<String> out) ->
Arrays.stream(value.split(” “))
.forEach(out::collect))
.returns(Types.STRING);
//O map(T value)
SingleOutputStreamOperator<Tuple2<String, Integer>> mapDS = faltMapDS
.map((word) -> Tuple2.of(word, 1))
.returns(Types.TUPLE(Types.STRING, Types.INT));
SingleOutputStreamOperator<Tuple2<String, Integer>> result = mapDS.keyBy(t -> t.f0).sum(1);
//4. 将数据落地,打印到控制台
result.print();
//5. 执行(流环境下)
env.execute();
}
}

Flink原理初探

  • Flink的角色分配
  • jobmanager
  • taskmanager
  • client
  • taskmanager 执行能力
  • taskslot 静态的概念
  • parallelism 并行度 动态概念
  • 每个节点就是一个 task 任务
  • 每个任务拆分成多个并行处理的任务,就叫子任务 subtask
  • 流图 StreamGraph 逻辑执行流图 DataFlow
  • operator chain 操作链
  • JobGraph
  • ExecuteGraph 物理执行计划
  • Event 事件 带有时间戳的
  • Operator 传递模式 : one to one 模式, redistributing模式
搭建flink_flink入门

  • Flink之执行图

总结

以上便是2021年最新最全Flink系列教程_Flink概述、安装部署和入门案例(一)

愿你读过之后有自己的收获,如果有收获不妨一键三连一下~

搭建flink_flink入门

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/6294.html

(0)
上一篇 2022-12-14 22:56
下一篇 2022-12-14 23:00

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信