文章目录

1. 源算子 Source1. 从集合读2. 从文件读取3. 从 socket 读取4. 从 kafka 读取5. 从数据生成器读取数据

2. 转换算子基本转换算子(map/ filter/ flatMap)

1. 源算子 Source

Flink可以从各种来源获取数据,然后构建DataStream进行转换处理。一般将数据的输入来源称为数据源(data source),而读取数据的算子就是源算子(source operator)。所以,source就是我们整个处理程序的输入端。 在Flink1.12以前,旧的添加source的方式,是调用执行环境的addSource()方法: DataStream stream = env.addSource(…); 方法传入的参数是一个“源函数”(source function),需要实现SourceFunction接口。 从Flink1.12开始,主要使用流批统一的新Source架构: DataStreamSource stream = env.fromSource(…) Flink直接提供了很多预实现的接口,此外还有很多外部连接工具也帮我们实现了对应的Source,通常情况下足以应对我们的实际需求。

1. 从集合读

public static void main(String[] args) throws Exception {

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

// 1. 从集合读

// DataStreamSource source = env.fromCollection(Arrays.asList(1, 2, 3));

// 2. 直接填元素

DataStreamSource source = env.fromElements(1, 2, 3, 4);

source.print();

env.execute();

}

2. 从文件读取

org.apache.flink

flink-connector-files

${flink.version}

public static void main(String[] args) throws Exception {

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

FileSource source = FileSource.forRecordStreamFormat(

new TextLineInputFormat(),

new Path("input/world.txt"))

.build();

env

.fromSource(source, WatermarkStrategy.noWatermarks(), "fileSource")

.print();

env.execute();

}

3. 从 socket 读取

public static void main(String[] args) throws Exception {

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

DataStreamSource source = env.socketTextStream("localhost", 7777);

source.print();

env.execute();

}

可以使用 nc -l 7777创建一个监听链接的 tcp

4. 从 kafka 读取

org.apache.flink

flink-connector-kafka

${flink.version}

public static void main(String[] args) throws Exception {

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

KafkaSource kafkaSource = KafkaSource.builder()

.setBootstrapServers("hadoop102:9092")

.setTopics("topic_1")

.setGroupId("atguigu")

.setStartingOffsets(OffsetsInitializer.latest())

.setValueOnlyDeserializer(new SimpleStringSchema())

.build();

DataStreamSource stream = env.fromSource(kafkaSource, WatermarkStrategy.noWatermarks(), "kafka-source");

stream.print("Kafka");

env.execute();

}

5. 从数据生成器读取数据

org.apache.flink

flink-connector-datagen

${flink.version}

public static void main(String[] args) throws Exception {

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

env.setParallelism(1);

DataGeneratorSource dataGeneratorSource = new DataGeneratorSource<>(new GeneratorFunction() {

@Override

public String map(Long value) throws Exception {

return "Number:" + value;

}

}, 10, // 自动生成的数字序列

RateLimiterStrategy.perSecond(10), // 限速策略,每秒生成10条

Types.STRING // 返回类型

);

env.fromSource(dataGeneratorSource, WatermarkStrategy.noWatermarks(), "datagenerator").print();

env.execute();

}

2. 转换算子

数据源读入数据之后,我们就可以使用各种转换算子,将一个或多个DataStream转换为新的DataStream。

基本转换算子(map/ filter/ flatMap)

map是大家非常熟悉的大数据操作算子,主要用于将数据流中的数据进行转换,形成新的数据流。简单来说,就是一个“一一映射”,消费一个元素就产出一个元素。 filter转换操作,顾名思义是对数据流执行一个过滤,通过一个布尔条件表达式设置过滤条件,对于每一个流内元素进行判断,若为true则元素正常输出,若为false则元素被过滤掉。 flatMap操作又称为扁平映射,主要是将数据流中的整体(一般是集合类型)拆分成一个一个的个体使用。 :::info 消费一个元素,可以产生0到多个元素。 ::: flatMap可以认为是“扁平化”(flatten)和“映射”(map)两步操作的结合,也就是先按照某种规则对数据进行打散拆分,再对拆分后的元素做转换处理。

文章来源

评论可见,请评论后查看内容,谢谢!!!评论后请刷新页面。