当前位置：首页 > news >正文

Flink基本理解

news 来源：原创 2025/5/22 10:28:01

Flink是什么？

是一个框架和分布式处理引擎，用于对无界或有界数据流进行有状态计算。

无界流

定义流的开始，没有定义流的结束，会无休止的产生数据，无界流的数据必须持续处理，即数据被摄取后需要立刻处理。我们不能等到所有数据都达到再处理，因为输入是无限的。

有界流

有定义流的开始，也有定义流的结束，有界流可以在摄取所有数据后再进行计算，有界流的所有数据可以被排序，所以并不需要有序摄取；有界流处理通常被称为批处理。

有状态流处理

把流处理需要的额外数据保存为一个“状态”，然后针对这条数据进行处理，并且更新状态，这就是所谓的“有状态的流处理”

Flink特点

高吞吐和低延迟

每秒处理百万个事件，毫秒级延迟；

结果的准确性

Flink提供了事件事件和处理时间语义，对于乱序事件流，事件事件语义仍然提供一致且准确的结果。

精确一次

精确一次的状态一致性保证

可以连接到最常见的存储系统

如kafka、Hive、JDBC、HDFS、Redis等

高可用

本身高可用的设置，加上K8s,YARN和Mesos的紧密集成，再加上从故障中快速恢复和动态扩展任务的能力，Flink能做到

使用Flink实现wordcount

import org.apache.flink.api.common.typeinfo.Types;
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 BatchWordCount {public static void main(String[] args) throws Exception {// 1. 创建执行环境ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();// 2. 从文件读取数据  按行读取(存储的元素就是每行的文本)DataSource<String> lineDS = env.readTextFile("input/words.txt");// 3. 转换数据格式FlatMapOperator<String, Tuple2<String, Long>> wordAndOne = lineDS.flatMap(new FlatMapFunction<String, Tuple2<String, Long>>() {@Overridepublic void flatMap(String line, Collector<Tuple2<String, Long>> out) throws Exception {String[] words = line.split(" ");for (String word : words) {out.collect(Tuple2.of(word,1L));}}});// 4. 按照 word 进行分组UnsortedGrouping<Tuple2<String, Long>> wordAndOneUG = wordAndOne.groupBy(0);// 5. 分组内聚合统计AggregateOperator<Tuple2<String, Long>> sum = wordAndOneUG.sum(1);// 6. 打印结果sum.print();}
}