flink练习题 flink入门及实战资料

文章目录

• 引言

• day01_Flink概述、安装部署和入门案例

• 今日目标
• Flink概述

• 什么是批处理和流处理
• 为什么需要流计算
• Flink的发展史
• Flink的官方介绍
• Flink组件栈
• Flink基石
• Flink的应用场景

• Flink的安装部署

• Local本地安装
• Standalone独立集群安装
• Standalone-HA高可用集群模式
• Flink on Yarn模式

• 千亿数据仓库实时项目
• Flink入门案例

• Flink API
• 编程模型
• 批处理案例
• 流处理案例
• 流处理-Lambda版本

• Flink原理初探
• 总结

引言

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!!

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

Flink组件栈

• 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

Flink的应用场景

• 常用的应用

• 应用三个场景

1. stream pipeline 流管线
2. 批/流分析
3. 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

• 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

1. node1 上配置 jobmanager.rpc node2上配置 jobmanager.rpc
2. zookeeper 的地址
3. checkpoint 的hdfs的路径
4. zookeeper 恢复的数据在hdfs上的路径
5. workers 每一行一个hostname

• 启动

6. 启动 hdfs

hadoop-daemon start namenode
hadoop-daemon start datanode
hadoop-daemon start secondarynamenode

1. zookeeper ,每一台都启动，集群模式

/export/server/zookeeper/bin/zkServer.sh start

1. Flink启动

start-cluster.sh

Flink on Yarn模式

• yarn 的两种提交方式

1. yarn-session
   对于大量的小文件集合处理数据使用 yarn-session
2. per-job-session
   对于大的数据量 per-job

• yarn-session 启动并执行任务

3. 启动 yarn-session

/export/server/flink/bin/yarn-session.sh -n 2 -tm 800 -s 1 -d

1. 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

1. 数据源 MySQL、日志数据
2. 日志采集工具Flume、CDC工具Canal（binlog日志变化）
3. 消息队列 Kafka，数据仓库分层，ODS、DWD、DWS层，时间不受限
4. 流式计算引擎 Flink
5. 内存（缓存）数据库Redis ，保存维度数据
6. 明细数据落到Hbase
7. 建索引和SQL查询Phoenix
8. 经过ETL或业务分析统计写回Kafka
9. 时序数据库Druid加载Kafka中数据进行业务的统计
10. 报表展示Superset或者echarts图表工具

Flink入门案例

Flink API

编程模型

• source
• transformation
• sink

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

1. jobmanager
2. taskmanager
3. client

• taskmanager 执行能力

4. taskslot 静态的概念
5. 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

• 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)