作者：伍翀
在本文中，我們將從零開始，教您如何構建第一個Apache Flink （以下簡稱Flink）應用程式。
開發環境準備
Flink 可以執行在 Linux, Max OS X, 或者是 Windows 上。為了開發 Flink 應用程式，在本地機器上需要有 Java 8.x 和 maven 環境。
如果有 Java 8 環境，執行下面的命令會輸出如下版本資訊：
$ java -version
java version "1.8.0_65"
Java(TM) SE Runtime Environment (build 1.8.0_65-b17)
Java HotSpot(TM) 64-Bit Server VM (build 25.65-b01, mixed mode)
複製程式碼如果有 maven 環境，執行下面的命令會輸出如下版本資訊：
$ mvn -version
Apache Maven 3.5.4 (1edded0938998edf8bf061f1ceb3cfdeccf443fe; 2018-06-18T02:33:14+08:00)
Maven home: /Users/wuchong/dev/maven
Java version: 1.8.0_65, vendor: Oracle Corporation, runtime: /Library/Java/JavaVirtualMachines/jdk1.8.0_65.jdk/Contents/Home/jre
Default locale: zh_CN, platform encoding: UTF-8
OS name: "mac os x", version: "10.13.6", arch: "x86_64", family: "mac"
複製程式碼另外我們推薦使用 ItelliJ IDEA （社群免費版已夠用）作為 Flink 應用程式的開發 IDE。Eclipse 雖然也可以，但是 Eclipse 在 Scala 和 Java 混合型專案下會有些已知問題，所以不太推薦 Eclipse。下一章節，我們會介紹如何建立一個 Flink 工程並將其匯入 ItelliJ IDEA。
建立 Maven 專案
我們將使用 Flink Maven Archetype 來建立我們的專案結構和一些初始的預設依賴。在你的工作目錄下，執行如下命令來建立專案：
mvn archetype:generate \
-DarchetypeGroupId=org.apache.flink \
-DarchetypeArtifactId=flink-quickstart-java \
-DarchetypeVersion=1.6.1 \
-DgroupId=my-flink-project \
-DartifactId=my-flink-project \
-Dversion=0.1 \
-Dpackage=myflink \
-DinteractiveMode=false
複製程式碼你可以編輯上面的 groupId, artifactId, package 成你喜歡的路徑。使用上面的引數，Maven 將自動為你建立如下所示的專案結構：
$ tree my-flink-project
my-flink-project
├── pom.xml
└── src
└── main
├── java
│ └── myflink
│ ├── BatchJob.java
│ └── StreamingJob.java
└── resources
└── log4j.properties
複製程式碼我們的 pom.xml 檔案已經包含了所需的 Flink 依賴，並且在 src/main/java 下有幾個示例程式框架。接下來我們將開始編寫第一個 Flink 程式。
編寫 Flink 程式
啟動 IntelliJ IDEA，選擇 "Import Project"（匯入專案），選擇 my-flink-project 根目錄下的 pom.xml。根據引導，完成專案匯入。
在 src/main/java/myflink 下建立 SocketWindowWordCount.java 檔案：
package myflink;
public class SocketWindowWordCount {
public static void main(String[] args) throws Exception {
}
}
複製程式碼現在這程式還很基礎，我們會一步步往裡面填程式碼。注意下文中我們不會將 import 語句也寫出來，因為 IDE 會自動將他們新增上去。在本節末尾，我會將完整的程式碼展示出來，如果你想跳過下面的步驟，可以直接將最後的完整程式碼粘到編輯器中。
Flink 程式的第一步是建立一個 StreamExecutionEnvironment 。這是一個入口類，可以用來設定引數和建立資料來源以及提交任務。所以讓我們把它新增到 main 函式中：
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
複製程式碼下一步我們將建立一個從本地埠號 9000 的 socket 中讀取資料的資料來源：
DataStream text = env.socketTextStream("localhost", 9000, "\n");
複製程式碼這建立了一個字串型別的 DataStream。DataStream 是 Flink 中做流處理的核心 API，上面定義了非常多常見的操作（如，過濾、轉換、聚合、視窗、關聯等）。在本示例中，我們感興趣的是每個單詞在特定時間視窗中出現的次數，比如說5秒視窗。為此，我們首先要將字串資料解析成單詞和次數（使用Tuple2<String, Integer>表示），第一個欄位是單詞，第二個欄位是次數，次數初始值都設定成了1。我們實現了一個 flatmap 來做解析的工作，因為一行資料中可能有多個單詞。
DataStream> wordCounts = text
.flatMap(new FlatMapFunction>() {
@Override
public void flatMap(String value, Collector> out) {
for (String word : value.split("\\s")) {
out.collect(Tuple2.of(word, 1));
}
}
});
複製程式碼接著我們將資料流按照單詞欄位（即0號索引欄位）做分組，這裡可以簡單地使用 keyBy(int index) 方法，得到一個以單詞為 key 的Tuple2<String, Integer>資料流。然後我們可以在流上指定想要的視窗，並根據視窗中的資料計算結果。在我們的例子中，我們想要每5秒聚合一次單詞數，每個視窗都是從零開始統計的：。
DataStream> windowCounts = wordCounts
.keyBy(0)
.timeWindow(Time.seconds(5))
.sum(1);
複製程式碼第二個呼叫的 .timeWindow() 指定我們想要5秒的翻滾視窗（Tumble）。第三個呼叫為每個key每個視窗指定了sum聚合函式，在我們的例子中是按照次數字段（即1號索引欄位）相加。得到的結果資料流，將每5秒輸出一次這5秒內每個單詞出現的次數。
最後一件事就是將資料流列印到控制檯，並開始執行：
windowCounts.print().setParallelism(1);
env.execute("Socket Window WordCount");
複製程式碼最後的 env.execute 呼叫是啟動實際Flink作業所必需的。所有運算元操作（例如建立源、聚合、列印）只是構建了內部運算元操作的圖形。只有在execute()被呼叫時才會在提交到叢集上或本地計算機上執行。
下面是完整的程式碼，部分程式碼經過簡化（程式碼在 GitHub 上也能訪問到）：
package myflink;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
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 SocketWindowWordCount {
public static void main(String[] args) throws Exception {
// 建立 execution environment
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 通過連線 socket 獲取輸入資料，這裡連線到本地9000埠，如果9000埠已被佔用，請換一個埠
DataStream text = env.socketTextStream("localhost", 9000, "\n");
// 解析資料，按 word 分組，開窗，聚合
DataStream> windowCounts = text
.flatMap(new FlatMapFunction>() {
@Override
public void flatMap(String value, Collector> out) {
for (String word : value.split("\\s")) {
out.collect(Tuple2.of(word, 1));
}
}
})
.keyBy(0)
.timeWindow(Time.seconds(5))
.sum(1);
// 將結果列印到控制檯，注意這裡使用的是單執行緒列印，而非多執行緒
windowCounts.print().setParallelism(1);
env.execute("Socket Window WordCount");
}
}
複製程式碼執行程式
要執行示例程式，首先我們在終端啟動 netcat 獲得輸入流：
nc -lk 9000
複製程式碼如果是 Windows 平臺，可以通過 nmap.org/ncat/ 安裝 ncat 然後執行：
ncat -lk 9000
複製程式碼然後直接執行SocketWindowWordCount的 main 方法。
只需要在 netcat 控制檯輸入單詞，就能在 SocketWindowWordCount 的輸出控制檯看到每個單詞的詞頻統計。如果想看到大於1的計數，請在5秒內反覆鍵入相同的單詞。
