Flink

Flink 搭建 - Flink On Yarn 集群模式 Flink 搭建 - Flink On Yarn 集群模式模式说明安装准备安装配置启动测试(Session模式)启动测试(Job 分离模式) Apache Flink 1.10 Documentation 模式说明 将 Flink 的 jar 包提交在 yarn 集群中,由 yarn 集群调度执行,所以我们只需要在 1 台服务器中解压 Flink 安装包就可以,其本质仅仅只是为了提交 Flink 应用到 yarn 集群中 Flink On Yarn 的两种运行模式 ① Session 会话模式 特点:需要事 阅读详情

Flink-WordCount

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.util.Collector;


public class WordCount {

    public static void main(String[] args) throws Exception {
        //定义socket的端口号
        int port;
        try{
            ParameterTool parameterTool = ParameterTool.fromArgs(args);
            port = parameterTool.getInt("port");
        }catch (Exception e){
            System.err.println("没有指定port参数,使用默认值9000");
            port = 9000;
        }

        //获取运行环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        //连接socket获取输入的数据
        DataStreamSource<String> text = env.socketTextStream("10.192.12.106", port, "\n");

        //计算数据
        DataStream<WordWithCount> windowCount = text.flatMap(new FlatMapFunction<String, WordWithCount>() {
            public void flatMap(String value, Collector<WordWithCount> out) throws Exception {
                String[] splits = value.split("\\s");
                for (String word:splits) {
                    out.collect(new WordWithCount(word,1L));
                }
            }
        })//打平操作,把每行的单词转为<word,count>类型的数据
                .keyBy("word")//针对相同的word数据进行分组
                .timeWindow(Time.seconds(2),Time.seconds(1))//指定计算数据的窗口大小和滑动窗口大小
                .sum("count");
               
        //把数据打印到控制台
        windowCount.print()
                .setParallelism(1);//使用一个并行度
        //注意:因为flink是懒加载的,所以必须调用execute方法,上面的代码才会执行
        env.execute("streaming word count");

    }

    /**
     * 主要为了存储单词以及单词出现的次数
     */
    public static class WordWithCount{
        public String word;
        public long count;
        public WordWithCount(){}
        public WordWithCount(String word, long count) {
            this.word = word;
            this.count = count;
        }

        @Override
        public String toString() {
            return "WordWithCount{" +
                    "word='" + word + '\'' +
                    ", count=" + count +
                    '}';
        }
    }


}
Flink系列三:Flink架构、独立集群搭建及Flink on YARN模式详解 Flink架构,Flink独立集群搭建与使用,Flink on yarn的三种部署模式(Application,Per-Job Cluster,Session ) 阅读详情

相关推荐

flink cdc笔记(一):flink cdc简介

flink cdc

YiRan_Zhao的博客 3万+

美团点评基于 Flink 的实时数仓建设实践

引言 近些年,企业对数据服务实时化服务的需求日益增多。本文整理了常见实时数据组件的性能特点和适用场景,介绍了美团如何通过 Flink 引擎构建实时数据仓库,从而提供高效、稳健的实时数据服务。此前我们美团技术博客发布过一篇文章《流计算框架 Flink 与 Storm 的性能对比》,对 Flink 和 Storm 俩个引擎的计算性能进行了比较。本文主要阐述使用 Flink 在实际数据生产上的经验。 ...

lzf的博客 1331

Flink流计算编程--Kafka+Flink整合demo

flink kafka

lmalds的专栏 4万+

Flink的这些事(二)——Flink开发环境搭建

IEDA开发环境 1、安装java环境 参考上一篇文章Flink的这些事(一)——Flink部署 2、安装maven 参考博客Maven安装与配置 3、配置IDEA 参考博客如何使用IntelliJ IDEA 配置Maven 4、pom文件设置 <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http:...

数据一哥,公众号:数据社 9605

Docker下的Flink

Flink中已经实现好了的数据源包括本地集合、文件、Kafka、Socket等。本地集合数据源适用于小规模数据集的测试和调试,可以直接将数据加载到内存中进行处理。文件数据源可以从本地文件系统或分布式文件系统(如HDFS)中读取数据,支持各种格式的文件,如文本文件、CSV文件等。Kafka数据源可以将数据从Kafka消息队列中读取,实现实时数据处理。Socket数据源可以从网络socket中读取数据,常用于接收实时数据流。此外,Flink还支持自定义数据源,开发者可以根据自己的需求实现自己的数据源逻辑。

2401_89308338的博客 1399

【Flink源码篇】Flink提交流程之flink-conf.yaml的解析和3种flink命令行客户端的添加

上篇,我们讲解了EnvironmentInformation.logEnvironmentInfo函数。主要是log4j2日志框架如何绑定到Flink、log4j2配置文件和日志路径的定义这篇我们来讲解Flink的flink-conf.yaml和flink命令自定义参数解析。

Bulut0907 2424

Flink实例-Wordcount详细步骤

link实例之Wordcount详细步骤 1.我的IDE是IntelliJ IDEA.在官网上https://www.jetbrains.com/idea/下载最新版2018.2的IDEA,如下图。破解可以再http://idea.lanyus.com/上获取破解码进行破解,如下图。 2.当IDE准备就绪后,开始创建一个项目名为bbb的maven项目,如下图。 ...

weixin_30292843的博客 419

Flink的面试题

状态指的是在处理数据流时积累的数据,它是 FLINK 中一个重要的抽象,允许对数据进行复杂的操作和计算。通过 BroadcastState 和 BroadcastStream,可以实现跨多个数据流的共享数据,提供了一种灵活的方式来处理具有多个数据源或全局状态的数据流。答案22:Window API 是 FLINK 中用于处理时间窗口和计数窗口的 API,提供了方便的窗口操作和聚合函数。状态指的是在处理数据流时积累的数据,而时间则决定了如何处理流中的事件时间戳和事件的时间顺序。它表示了事件时间戳的延迟程度。

smile6868的博客 1948

Flink 最锋利的武器:Flink SQL 入门和实战

一、Flink SQL 背景Flink SQL 是 Flink 实时计算为简化计算模型,降低用户使用实时计算门槛而设计的一套符合标准 SQL 语义的开发语言。自 2015...

微信搜:import_bigdata,大数据领域硬核原创作者 8万+

Flink各版本和JDK版本对应关系(Flink Java compatibility)

Flink Java compatibility

weixin_43103956的博客 3362

Flink Configuration 配置文件的配置

Flink 运行命令详细介绍Flink Configuration | flink-conf.yaml中的配置Basic Setup | 默认配置 引流:FLINK 的命令 FLINK 的配置 Flink执行说明 对 FLINK 的运行命令做完整的介绍 参考文章: Flink Configuration - flink-conf.yaml 中的配置 Flink Memory Configuration - 内存配置 Flink Command-Line - 命令行中的配置 Flink Config

半吊子Kyle的博客 1万+

Flink 高分笔记

这篇博客文章总结了Flink流计算相关的基础知识和实践指南。主要内容包括:1) 流计算基础概念,如事件时间、Watermark机制、Exactly-once语义;2) Flink基础操作,如安装部署、程序结构、并发设置、故障恢复;3) DataStream API核心功能,包括时间概念、窗口计算、状态管理、双流Join等;4) Table API与SQL的使用方法和工作原理。文章提供了丰富的技术文档链接,涵盖了Flink从入门到进阶的各个方面,既有理论讲解也有实践案例,是一个系统的Flink学习资源合集。

SmartSi 1716

【Flink】详解Flink的八种分区

本文详细介绍乐Flink中分区API以及底层分区器并给出图例,从源码角度分析各个分区器的原理,最后介绍了分区器的使用源码。

pcx171的博客 5912

[基础架构] [Flink] Flink/Flink-CDC的部署和配置

Flink 以及 Flink -CDC 部署与配置

OxYGC 9891

Flink SQL Gateway使用

注:本文主要介绍Flink SQL Gateway on Yarn Session & on Yarn per Job 两种模式下的使用 一:Flink SQL Gateway on Yarn Session 1.1 下载Flink版本环境包,注意SQL Gateway目前仅支持Flink 1.10 & 1.11.1+版本 1.1 启动一个yarn session cluster, #!/bin/bash export HADOOP_CONF_DIR=/data/hadoop_conf .

aciddzz的博客 4623

Ships Dataset:解锁海洋探索的数字宝库

在海上交通管理中,通过对船舶的持续跟踪,可以及时发现船舶的异常行为,如偏离航线、超速等,保障海上航行的安全。例如,通过分析船舶的航行数据和位置信息,合理安排船舶的停靠时间和装卸货物顺序,避免港口拥堵,提高船舶的周转率。同时,还精确标注了船舶在图像中的位置坐标,通过这些坐标,我们可以准确地定位船舶在图像中的具体位置,为后续的分析和处理提供了精确的依据。从繁忙运输货物的货船,到承载着能源使命的油轮,再到穿梭于海洋寻找鱼群的渔船 ,每一种船舶都有着独特的外形和功能,在数据集中留下了它们的身影。

qq_38220914的博客 1267

2. Flink源码解析—Flink编译

<name>阿里云 Maven 镜像</name>

Sky960722的博客 693

ETL数据集成案例

一个典型的ETL数据集成案例是将多个来源的数据合并成一个数据集。假设有一个公司,该公司使用一些不同的系统来存储不同部门的数据,例如销售数据存储在一个CRM系统中,财务数据存储在一个ERP系统中,人力资源数据存储在一个HR系统中。为了更好地进行报告和分析,该公司决定将所有这些数据集成到一个数据仓库中。以下是实现这一目标的ETL过程的步骤:提取(Extract):首先,需要从每个系统中提取所需的数据。每个系统可能有不同的数据格式和结构,因此需要编写不同的提取程序或查询来提取数据。

runqu的博客 949

Flink CDC —部署模式

独立模式是Flink最简单的部署模式。本简短指南将向您展示如何下载最新稳定版本的Flink,安装和运行它。您还将运行一个示例Flink CDC作业,并在web UI中查看它。

深圳市多克创新科技有限公司 2219

Jenkins中文显示不全?三步搞定Locale插件+汉化包的正确安装姿势

本文针对Jenkins界面中文显示不全问题,提供从原理到实战的深度解决方案。文章详细解析了Locale插件与中文语言包的核心机制,并分步指导如何通过配置JVM环境、正确安装插件及执行深度排查,彻底解决汉化顽疾,实现Jenkins界面的完美中文显示。

weixin_42611310的博客 260

碳纳米管NRAM:突破5纳米制程的下一代存储技术

在半导体存储领域,非易失性存储器和随机存取存储器是两大基础技术方向。传统DRAM速度快但断电易失,NAND Flash非易失但写入慢、寿命有限,两者在先进制程下都面临物理极限挑战。碳纳米管作为一种新型纳米材料,凭借其优异的导电性、机械强度和尺寸微缩潜力,为存储技术革新提供了物理基础。基于碳纳米管的NRAM技术,通过控制纳米管间的可逆接触实现电阻状态切换,兼具DRAM级速度和Flash的非易失性,同时具备近乎无限的擦写寿命和出色的CMOS工艺兼容性。这项技术不仅能满足5纳米以下制程的存储需求,在数据中心缓存、

weixin_42576804的博客 430
上一篇: Hive
下一篇: HDFS读写流程
程序员椰子橙
博客等级 码龄9年 46粉丝 163原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值