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
// 2. 直接填元素
DataStreamSource
source.print();
env.execute();
}
2. 从文件读取
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
FileSource
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.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
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
KafkaSource
.setBootstrapServers("hadoop102:9092")
.setTopics("topic_1")
.setGroupId("atguigu")
.setStartingOffsets(OffsetsInitializer.latest())
.setValueOnlyDeserializer(new SimpleStringSchema())
.build();
DataStreamSource
stream.print("Kafka");
env.execute();
}
5. 从数据生成器读取数据
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
DataGeneratorSource
@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
发表评论