Flink批处理怎么实现
本篇内容主要讲解"Flink批处理怎么实现"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"Flink批处理怎么实现"吧!
1.Flink简介
Apache Flink是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算。Flink被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算，Flink 是一个开源的流处理框架，它具有以下特点
批流一体：统一批处理、流处理
分布式：Flink程序可以运行在多台机器上
高性能：处理性能比较高
高可用：Flink支持高可用性（HA）
准确：Flink可以保证数据处理的准确性
2.Flink核心模块组成
首先，类比Spark, 我们来看Flink的模块划分
Deploy层
可以启动单个JVM，让Flink以Local模式运行Flink也可以以Standalone 集群模式运行，同时也支持Flink ON YARN，Flink应用直接提交到YARN上面运行Flink还可以运行在GCE（谷歌云服务）和EC2（亚马逊云服务）
Core层（Runtime）
在Runtime之上提供了两套核心的API，DataStream API（流处理）和DataSet API（批处理）
APIs & Libraries层
核心API之上又扩展了一些高阶的库和API
CEP流处理
Table API和SQL
Flink ML机器学习库
Gelly图计算
3.Flink生态组成
Flink作为大数据生态的一员，除了本身外，可以很好地与生态中的其他组件进行结合使用，大的概况方面来讲，就有输入方面和输出方面，
其中中间的部分，上面已经介绍，主页看看两边的，其中绿色背景是流处理方式的场景，蓝色背景是批处理方式的场景
输入Connectors（左侧部分）
流处理方式：包含Kafka（消息队列）、AWS kinesis（实时数据流服务）、RabbitMQ（消息队列）、NIFI（数 据管道）、Twitter（API）
批处理方式：包含HDFS（分布式文件系统）、HBase（分布式列式数据库）、Amazon S3（文件系统）、 MapR FS（文件系统）、ALLuxio（基于内存分布式文件系统）
输出Connectors（右侧部分）
流处理方式：包含Kafka（消息队列）、AWS kinesis（实时数据流服务）、RabbitMQ（消息队列）、NIFI（数 据管道）、Cassandra（NOSQL数据库）、ElasticSearch（全文检索）、HDFS rolling file（滚动文件）
批处理方式：包含HBase（分布式列式数据库）、HDFS（分布式文件系统）
4.Flink流处理模式介绍
Spark中的流处理主要有两种，一种是Spark Streamin是维批处理，如果对事件内的时间没有要求，这种方式可以满足很多需求，另外一种是Structed Streaming 是基于一张无界的大表，核心API就是Spark Sql的，而Flink是专注于无限流，把有界流看成是无限流的一种特殊情况，另外两个框架都有状态管理。
无限流处理
输入的数据没有尽头，像水流一样源源不断，数据处理从当前或者过去的某一个时间 点开始，持续不停地进行。
有限流处理
从某一个时间点开始处理数据，然后在另一个时间点结束输入数据可能本身是有限的（即输入数据集并不会随着时间增长），也可能出于分析的目的被人为地设定为有限集（即只分析某一个时间段内的事件）Flink封装了DataStream API进行流处理，封装了DataSet API进行批处理。同时，Flink也是一个批流一体的处理引擎，提供了Table API / SQL统一了批处理和流处理。
有状态的流处理应用
基于SubTask,每个SubTask处理时候，都会获取状态并更新状态，
5.Flink入门实践
以经典的WordCount为例，来看Flink的两个批流处理案例，案例以nc -lp 来作为Source, 以控制台输出为Sink, 分为Java和Scala版本哦，
Scala版本之批处理
import org.apache.flink.api.scala._object WordCountScalaBatch { def main(args: Array[String]): Unit = { val inputPath = "E:\\hadoop_res\\input\\a.txt" val outputPath = "E:\\hadoop_res\\output2" val environment: ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment val text: DataSet[String] = environment.readTextFile(inputPath) text .flatMap(_.split("\\s+")) .map((_, 1)) .groupBy(0) .sum(1) .setParallelism(1) .writeAsCsv(outputPath, "\n", ",") //setParallelism(1)很多算子后面都可以调用 environment.execute("job name") }}Scala版本之流处理
import org.apache.flink.streaming.api.scala._object WordCountScalaStream { def main(args: Array[String]): Unit = { //处理流式数据 val environment: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment val streamData: DataStream[String] = environment.socketTextStream("linux121", 7777) val out: DataStream[(String, Int)] = streamData .flatMap(_.split("\\s+")) .map((_, 1)) .keyBy(0) .sum(1) out.print() environment.execute("test stream") }}Java版本之批处理
package com.hoult.demo;import org.apache.flink.api.common.functions.FlatMapFunction;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.UnsortedGrouping;import org.apache.flink.api.java.tuple.Tuple2;import org.apache.flink.util.Collector;public class WordCountJavaBatch { public static void main(String[] args) throws Exception { String inputPath = "E:\\hadoop_res\\input\\a.txt"; String outputPath = "E:\\hadoop_res\\output"; //获取flink的运行环境 ExecutionEnvironment executionEnvironment = ExecutionEnvironment.getExecutionEnvironment(); DataSource text = executionEnvironment.readTextFile(inputPath); FlatMapOperator> wordsOne = text.flatMap(new SplitClz()); //hello,1 you,1 hi,1 him,1 UnsortedGrouping> groupWordAndOne = wordsOne.groupBy(0); AggregateOperator> wordCount = groupWordAndOne.sum(1); wordCount.writeAsCsv(outputPath, "\n", "\t").setParallelism(1); executionEnvironment.execute(); } static class SplitClz implements FlatMapFunction> { public void flatMap(String s, Collector> collector) throws Exception { String[] strs = s.split("\\s+"); for (String str : strs) { collector.collect(new Tuple2(str, 1)); } } }} Java版本之流处理
package com.hoult.demo;import org.apache.flink.api.common.functions.FlatMapFunction;import org.apache.flink.api.java.tuple.Tuple2;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;public class WordCountJavaStream { public static void main(String[] args) throws Exception { StreamExecutionEnvironment executionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment(); DataStreamSource dataStream = executionEnvironment.socketTextStream("linux121", 7777); SingleOutputStreamOperator> sum = dataStream.flatMap(new FlatMapFunction>() { public void flatMap(String s, Collector> collector) throws Exception { for (String word : s.split(" ")) { collector.collect(new Tuple2(word, 1)); } } }).keyBy(0).sum(1); sum.print(); executionEnvironment.execute(); }} 到此，相信大家对"Flink批处理怎么实现"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
