跟着官网学 Apache Flink 1.10.0 之实战篇
1.1 如何使用Apache Flink?
上篇博文汇总了Apache Flink 的相关概念和理论，这篇博文讲解如何使用Apache Flink 1.10.0.
1.1.1 下载Apache Flink
首先我们需要知道如何在Windows 和Mac OSX 上安装Apache Flink.
1.1.1.1 Windows 下载安装Flink
1.1.1.2 Mac OSX 下载安装Flink
Mac OSX 默认自带了HomeBrew 包管理器
因此在Mac OSX 上安装Apache Flink 非常简单,只需要输入如下命令即可:
brew install apache-flink
安装完成后，我们可以通过输入如下命令验证我们的安装是否成功：
flink --version
或者输入
flink -v也可以
如果正常的话会输出类似如下的内容：
可能你会好奇这个命令安装完成后我去哪里找我的Apache Flink 呢？
我们可以通过输入如下命令查看apache-flink 的安装完成后的存放路径
brew info apache-flink
- 执行成功后我们可以看到路径已经出来了。
然后进入这个文件夹输入如下命令：
cd /usr/local/Cellar/apache-flink/1.10.0/
如果输入ls命令
ls
然后我们可以看到当前文件夹列表如下所示：
INSTALL_RECEIPT.json LICENSE NOTICE README.txt bin libexec
值得注意的是，如果进入bin 那么里面只有一个flink 文件。
而我们要启动的flink 文件实际上是在./libexec/bin/ 文件夹里
引入启动Apache flink 输入如下命令
./libexec/bin/start-cluster.sh
启动成功后执行如下所示
Starting cluster.
Starting standalonesession daemon on host localhost.
Starting taskexecutor daemon on host localhost.
- 打开浏览器输入如下链接：
- 显示内容如下所示：
1.1.2 演示示例
Apache Flink 安装包文件夹下有一个example 文件夹里面包含了一些例子可以供我们学习。
不过值得注意的是我们需要先进入libexec 文件夹
cd libexec
然后执行查看文件夹列表命令
ls
查看内容如下所示：
然后必须先输入如下命令：
nc -l 9000
执行成功如下所示：
值得注意的是
- 这个命令可不是检查端口是否冲突, 而是开启一个端口进行监听
- 如果不输入上面这个命令，下面的例子启动会失败的。
- 这个命令执行后你会发现命令提示窗口挂起了，也就是说开了一个9000端口进行监听。
当前这个窗口已经挂起暂时没法使用了，因此我们必须新开一个命令行窗口
- 重新进入安装路径：
cd /usr/local/Cellar/apache-flink/1.10.0/
- 进入libexec 文件夹
cd libexec
- 输入如下命令即可启动这个示例：
./bin/flink run examples/streaming/SocketWindowWordCount.jar --port 9000
- 如果成功会出现如下所示内容：
我们点击下面的Job Name 列表上的超链接可以进入如下界面。
1.1.2 添加Flink 依赖
如果想在maven中使用Flink,添加如下依赖即可
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-java</artifactId>
<version>1.10.0</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-streaming-java_2.11</artifactId>
<version>1.10.0</version>
</dependency>
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-clients_2.11</artifactId>
<version>1.10.0</version>
</dependency>
Scala API: 为了使用 Scala API，将 flink-java 的 artifact id 替换为flink-scala_2.11，同时将 flink-streaming-java_2.11 替换为 flink-streaming-scala_2.11
修改依赖如下：<dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-scala_2.11</artifactId> <version>1.10.0</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-streaming-scala_2.11</artifactId> <version>1.10.0</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-clients_2.11</artifactId> <version>1.10.0</version> </dependency>
1.2 如何编写一个基本的 DataStream 应用程序
Apache Flink 提供了 DataStream API 来实现稳定可靠的、有状态的流处理应用程序。 Flink 支持对状态和时间的细粒度控制，以此来实现复杂的事件驱动数据处理系统。 这个入门指导手册讲述了如何通过 Flink DataStream API 来实现一个有状态流处理程序。
1.2.1 业务背景
在当今数字时代，信用卡欺诈行为越来越被重视。 罪犯可以通过诈骗或者入侵安全级别较低系统来盗窃信用卡卡号。 用盗得的信用卡进行很小额度的例如一美元或者更小额度的消费进行测试。 如果测试消费成功，那么他们就会用这个信用卡进行大笔消费，来购买一些他们希望得到的，或者可以倒卖的财物。
在这个教程中，我们将会建立一个针对可疑信用卡交易行为的反欺诈检测系统。 通过使用一组简单的规则，我们将了解到 Flink 如何为我们实现复杂业务逻辑并实时执行。
1.2.2 定义应用程序的数据流
接下来我们定义应用程序的数据流
FraudDetectionJob.java编码如下：
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.walkthrough.common.sink.AlertSink;
import org.apache.flink.walkthrough.common.entity.Alert;
import org.apache.flink.walkthrough.common.entity.Transaction;
import org.apache.flink.walkthrough.common.source.TransactionSource;
public class FraudDetectionJob {
public static void main(String[] args) throws Exception {
// 1. 执行环境
//StreamExecutionEnvironment 用于设置你的执行环境。
//任务执行环境用于定义任务的属性、创建数据源以及最终启动任务的执行。
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 2. 创建数据源
//数据源从外部系统例如 Apache Kafka、Rabbit MQ 或者 Apache Pulsar 接收数据，
//然后将数据送到 Flink 程序中。
//这个代码练习使用的是一个能够无限循环生成信用卡模拟交易数据的数据源。
//每条交易数据包括了信用卡 ID （accountId），交易发生的时间 （timestamp） 以及交易的金额（amount）。
//绑定到数据源上的 name 属性是为了调试方便，如果发生一些异常，我们能够通过它快速定位问题发生在哪里。
DataStream<Transaction> transactions = env
.addSource(new TransactionSource())
.name("transactions");
//3. 对事件分区 & 欺诈检测
//transactions 这个数据流包含了大量的用户交易数据，需要被划分到多个并发上进行欺诈检测处理。
//由于欺诈行为的发生是基于某一个账户的，
//所以，必须要要保证同一个账户的所有交易行为数据要被同一个并发的 task 进行处理。
//为了保证同一个 task 处理同一个 key 的所有数据，你可以使用 DataStream#keyBy 对流进行分区。
//process() 函数对流绑定了一个操作，这个操作将会对流上的每一个消息调用所定义好的函数。
//通常，一个操作会紧跟着 keyBy 被调用，
//在这个例子中，这个操作是FraudDetector，该操作是在一个 keyed context 上执行的。
DataStream<Alert> alerts = transactions
.keyBy(Transaction::getAccountId)
.process(new FraudDetector())
.name("fraud-detector");
//4. 输出结果
//sink 会将 DataStream 写出到外部系统，例如 Apache Kafka、Cassandra 或者 AWS Kinesis 等。
//AlertSink 使用 INFO 的日志级别打印每一个 Alert 的数据记录，
//而不是将其写入持久存储，以便你可以方便地查看结果。
alerts
.addSink(new AlertSink())
.name("send-alerts");
//5. 运行作业
//Flink 程序是懒加载的，并且只有在完全搭建好之后，才能够发布到集群上执行。
//调用 StreamExecutionEnvironment#execute 时给任务传递一个任务名参数，就可以开始运行任务。
env.execute("Fraud Detection");
}
}
1.2.3 定义欺诈交易检测的业务逻辑
欺诈检查类 FraudDetector是 KeyedProcessFunction 接口的一个实现。 他的方法 KeyedProcessFunction#processElement 将会在每个交易事件上被调用。 这个程序里边会对每笔交易发出警报，有人可能会说这做报过于保守了。
本教程的后续步骤将指导你对这个欺诈检测器进行更有意义的业务逻辑扩展。
FraudDetector.java
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.common.typeinfo.Types;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.functions.KeyedProcessFunction;
import org.apache.flink.util.Collector;
import org.apache.flink.walkthrough.common.entity.Alert;
import org.apache.flink.walkthrough.common.entity.Transaction;
public class FraudDetector extends KeyedProcessFunction<Long, Transaction, Alert> {
private static final long serialVersionUID = 1L;
/**
* 如果小于$1的交易就输出报警信息
*/
private static final double SMALL_AMOUNT = 1.00;
/**
* 如果大于$500的交易就输出报警信息
*/
private static final double LARGE_AMOUNT = 500.00;
private static final long ONE_MINUTE = 60 * 1000;
/**
* ValueState 是一个包装类，类似于 Java 标准库里边的 AtomicReference 和 AtomicLong。
* 它提供了三个用于交互的方法。update 用于更新状态，value 用于获取状态值，还有 clear 用于清空状态。
* 如果一个 key 还没有状态，例如当程序刚启动或者调用过 ValueState#clear 方法时，ValueState#value 将会返回 null。
* 如果需要更新状态，需要调用 ValueState#update 方法，直接更改 ValueState#value 的返回值可能不会被系统识别。
* 容错处理将在 Flink 后台自动管理，你可以像与常规变量那样与状态变量进行交互。
*/
private transient ValueState<Boolean> flagState;
private transient ValueState<Long> timerState;
/**
* 骗子们在小额交易后不会等很久就进行大额消费，这样可以降低小额测试交易被发现的几率。
* 比如，假设你为欺诈检测器设置了一分钟的超时，
* 对于上边的例子，交易 3 和 交易 4 只有间隔在一分钟之内才被认为是欺诈交易。
* Flink 中的 KeyedProcessFunction 允许您设置计时器，该计时器在将来的某个时间点执行回调函数。
* 让我们看看如何修改程序以符合我们的新要求：
* 当标记状态被设置为 true 时，设置一个在当前时间一分钟后触发的定时器。
* 当定时器被触发时，重置标记状态。
* 当标记状态被重置时，删除定时器。
* 要删除一个定时器，你需要记录这个定时器的触发时间，
* 这同样需要状态来实现，所以你需要在标记状态后也创建一个记录定时器时间的状态。
*/
@Override
public void open(Configuration parameters) {
ValueStateDescriptor<Boolean> flagDescriptor = new ValueStateDescriptor<>(
"flag",
Types.BOOLEAN);
flagState = getRuntimeContext().getState(flagDescriptor);
ValueStateDescriptor<Long> timerDescriptor = new ValueStateDescriptor<>(
"timer-state",
Types.LONG);
timerState = getRuntimeContext().getState(timerDescriptor);
}
/**
* 对于每笔交易，欺诈检测器都会检查该帐户的标记状态。
* 请记住，ValueState 的作用域始终限于当前的 key，即信用卡帐户。
* 如果标记状态不为空，则该帐户的上一笔交易是小额的，
* 因此，如果当前这笔交易的金额很大，那么检测程序将输出报警信息。
* 在检查之后，不论是什么状态，都需要被清空。
* 不管是当前交易触发了欺诈报警而造成模式的结束，还是当前交易没有触发报警而造成模式的中断，都需要重新开始新的模式检测。
* 最后，检查当前交易的金额是否属于小额交易。 如果是，那么需要设置标记状态，以便可以在下一个事件中对其进行检查。
* 注意，ValueState<Boolean> 实际上有 3 种状态：unset (null)，true，和 false，ValueState 是允许空值的。
* 我们的程序只使用了 unset (null) 和 true 两种来判断标记状态被设置了与否。
*/
@Override
public void processElement(
Transaction transaction,
Context context,
Collector<Alert> collector) throws Exception {
// Get the current state for the current key
Boolean lastTransactionWasSmall = flagState.value();
// Check if the flag is set
if (lastTransactionWasSmall != null) {
if (transaction.getAmount() > LARGE_AMOUNT) {
//Output an alert downstream
Alert alert = new Alert();
alert.setId(transaction.getAccountId());
collector.collect(alert);
}
// Clean up our state
cleanUp(context);
}
//KeyedProcessFunction#processElement 需要使用提供了定时器服务的 Context 来调用。
//定时器服务可以用于查询当前时间、注册定时器和删除定时器。
//使用它，你可以在标记状态被设置时，也设置一个当前时间一分钟后触发的定时器，
//同时，将触发时间保存到 timerState 状态中。
if (transaction.getAmount() < SMALL_AMOUNT) {
// set the flag to true
flagState.update(true);
long timer = context.timerService().currentProcessingTime() + ONE_MINUTE;
context.timerService().registerProcessingTimeTimer(timer);
timerState.update(timer);
}
}
/**
* 处理时间是本地时钟时间，这是由运行任务的服务器的系统时间来决定的。
* 当定时器触发时，将会调用 KeyedProcessFunction#onTimer 方法。
* 通过重写这个方法来实现一个你自己的重置状态的回调逻辑。
*/
@Override
public void onTimer(long timestamp, OnTimerContext ctx, Collector<Alert> out) {
// remove flag after 1 minute
timerState.clear();
flagState.clear();
}
/**
* 最后，如果要取消定时器，你需要删除已经注册的定时器，并同时清空保存定时器的状态。
* 我们可以把这些逻辑封装到一个助手函数中，而不是直接调用 flagState.clear()。
*/
private void cleanUp(Context ctx) throws Exception {
// delete timer
Long timer = timerState.value();
ctx.timerService().deleteProcessingTimeTimer(timer);
// clean up all state
timerState.clear();
flagState.clear();
}
}
对于一个账户，如果出现小于 $1 美元的交易后紧跟着一个大于 $500 的交易，就输出一个报警信息。
假设我们的欺诈检测器所处理的交易数据如下：
交易 3 和交易 4 应该被标记为欺诈行为，因为交易 3 是一个 $0.09 的小额交易，而紧随着的交易 4 是一个 $510 的大额交易。 另外，交易 7、8 和 交易 9 就不属于欺诈交易了，因为在交易 7 这个 $0.02 的小额交易之后，并没有跟随一个大额交易，而是一个金额适中的交易，这使得交易 7 到 交易 9 不属于欺诈行为。
欺诈检测器需要在多个交易事件之间记住一些信息。仅当一个大额的交易紧随一个小额交易的情况发生时，这个大额交易才被认为是欺诈交易。 在多个事件之间存储信息就需要使用到 状态，这也是我们选择使用 KeyedProcessFunction 的原因。 它能够同时提供对状态和时间的细粒度操作，这使得我们能够在接下来的代码练习中实现更复杂的算法。
最直接的实现方式是使用一个 boolean 型的标记状态来表示是否刚处理过一个小额交易。 当处理到该账户的一个大额交易时，你只需要检查这个标记状态来确认上一个交易是是否小额交易即可。
然而，仅使用一个标记作为 FraudDetector 的类成员来记录账户的上一个交易状态是不准确的。 Flink 会在同一个 FraudDetector 的并发实例中处理多个账户的交易数据，假设，当账户 A 和账户 B 的数据被分发的同一个并发实例上处理时，账户 A 的小额交易行为可能会将标记状态设置为真，随后账户 B 的大额交易可能会被误判为欺诈交易。 当然，我们可以使用如 Map 这样的数据结构来保存每一个账户的状态，但是常规的类成员变量是无法做到容错处理的，当任务失败重启后，之前的状态信息将会丢失。 这样的话，如果程序曾出现过失败重启的情况，将会漏掉一些欺诈报警。
为了应对这个问题，Flink 提供了一套支持容错状态的原语，这些原语几乎与常规成员变量一样易于使用。
Flink 中最基础的状态类型是 ValueState，这是一种能够为被其封装的变量添加容错能力的类型。 ValueState 是一种 keyed state，也就是说它只能被用于 keyed context 提供的 operator 中，即所有能够紧随 DataStream#keyBy 之后被调用的operator。 一个 operator 中的 keyed state 的作用域默认是属于它所属的 key 的。 这个例子中，key 就是当前正在处理的交易行为所属的信用卡账户（key 传入 keyBy() 函数调用），而 FraudDetector 维护了每个帐户的标记状态。 ValueState 需要使用 ValueStateDescriptor 来创建，ValueStateDescriptor 包含了 Flink 如何管理变量的一些元数据信息。状态在使用之前需要先被注册。 状态需要使用 open() 函数来注册状态。
1.2.4 Transaction.java
Transaction.java编码如下：
import java.util.Objects;
/**
* A simple transaction.
*/
@SuppressWarnings("unused")
public final class Transaction {
private long accountId;
private long timestamp;
private double amount;
public Transaction() { }
public Transaction(long accountId, long timestamp, double amount) {
this.accountId = accountId;
this.timestamp = timestamp;
this.amount = amount;
}
public long getAccountId() {
return accountId;
}
public void setAccountId(long accountId) {
this.accountId = accountId;
}
public long getTimestamp() {
return timestamp;
}
public void setTimestamp(long timestamp) {
this.timestamp = timestamp;
}
public double getAmount() {
return amount;
}
public void setAmount(double amount) {
this.amount = amount;
}
@Override
public boolean equals(Object o) {
if (this == o) {
return true;
} else if (o == null || getClass() != o.getClass()) {
return false;
}
Transaction that = (Transaction) o;
return accountId == that.accountId &&
timestamp == that.timestamp &&
Double.compare(that.amount, amount) == 0;
}
@Override
public int hashCode() {
return Objects.hash(accountId, timestamp, amount);
}
@Override
public String toString() {
return "Transaction{" +
"accountId=" + accountId +
", timestamp=" + timestamp +
", amount=" + amount +
'}';
}
}
1.2.5 Alert.java
import java.util.Objects;
/**
* A simple alert event.
*/
@SuppressWarnings("unused")
public final class Alert {
private long id;
public long getId() {
return id;
}
public void setId(long id) {
this.id = id;
}
@Override
public boolean equals(Object o) {
if (this == o) {
return true;
} else if (o == null || getClass() != o.getClass()) {
return false;
}
Alert alert = (Alert) o;
return id == alert.id;
}
@Override
public int hashCode() {
return Objects.hash(id);
}
@Override
public String toString() {
return "Alert{" +
"id=" + id +
'}';
}
}
1.2.5 查看完整源码
关于这个例子官方文档上没给源码地址，不过我在Github 上找到了
1.3 如何编写一个Table API 应用
Apache Filnk 提供 Table API 作为批处理和流处理统一的关系型API， 即查询在无界实时流或有界批数据集上以相同的语义执行，并产生相同的结果。 Flink 中的 Table API 通常用于简化数据分析，数据流水线和 ETL 应用程序的定义。
在本教程中，你将学习如何构建连续的 ETL 流水线，以便按账户随时跟踪金融交易。 首先你将报表构建为每晚执行的批处理作业，然后迁移到流式管道。
import org.apache.flink.walkthrough.common.table.SpendReportTableSink;
import org.apache.flink.walkthrough.common.table.TransactionTableSource;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.Tumble;
import org.apache.flink.table.api.java.StreamTableEnvironment;
public class SpendReport {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
StreamTableEnvironment tEnv = StreamTableEnvironment.create(env);
tEnv.registerTableSource("transactions", new UnboundedTransactionTableSource());
tEnv.registerTableSink("spend_report", new SpendReportTableSink());
tEnv
.scan("transactions")
.window(Tumble.over("1.hour").on("timestamp").as("w"))
.groupBy("accountId, w")
.select("accountId, w.start as timestamp, amount.sum")
.insertInto("spend_report");
env.execute("Spend Report");
}
}
关于这个例子官方文档上没给源码地址，不过我在Github 上找到了
点击查看完整源码
还没有评论，来说两句吧...