1.准备工作
1.1 版本信息
Maven版本：3.0.4 及以上
JDK版本：JDK 8
1.2 使用 Maven 命令创建 Flink 项目模板：
如果 maven 本地没有所依赖的 jar 包，则需要网络支持。
在 cmd 命令行，执行如下命令：
mvn archetype:generate
-DarchetypeGroupId=org.apache.flink
-DarchetypeArtifactId=flink-quickstart-java
-DarchetypeVersion=1.9.1
-DgroupId=com.demo.flink（groupId： 此处可自定义）
-DartifactId=flink-java（项目名： 此处可自定义）
-Dversion=1.0（版本号： 此处可自定义）
-Dpackage=com.demo.flink（包名： 此处可自定义）
-DinteractiveMode=false
备注：
使用以上命令创建 Flink项目模板，主要是参考里面的 pom.xml 文件；你也可以自行创建 Maven 工程，然后将已有的 pom.xml 文件 copy 过去即可。
2.DataFlow 编程模型介绍
Flink基本概念：数据流编程模型（DataFlow Programming Model）
Dataflow计算模型：希望从编程模型的源头上，统一解决传统的流式和批量这两种计算语意所希望处理的问题。
Flink 提供了不同级别的编程抽象，通过调用抽象的数据集用算子构建 DataFlow 就可以实现对分布式的数据进行流式计算和离线计算。DataSet是批处理的抽象数据集，DataStream是流式计算的抽象数据集，他们的方法都分别是Source、Transformation、Sink
Source：主要负责数据的读取（即：数据的来源）
Transformation：主要负责对数据的转换操作
Sink：负责最终计算好的结果数据的输出
3.实时 WordCount编写
/**
* TODO 实时WorldCount计算
*
* @author liuzebiao
* @Date 2020-02-04 10:37
*/
public class StreamWordCount {
public static void main(String[] args) throws Exception {
//1.创建一个 flink steam 程序的执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
//2.使用StreamExecutionEnvironment创建DataStream
//Source(可以有多个Source)
//Socket 监听本地端口8888(亦可监听linux环境下的某一台机器)
DataStreamSource<String> lines = env.socketTextStream("localhost", 8888);
//Transformation(s)对数据进行处理操作
SingleOutputStreamOperator<Tuple2<String, Integer>> wordAndOne = lines.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
@Override
public void flatMap(String line, Collector<Tuple2<String, Integer>> out) throws Exception {
//切分
String[] words = line.split(" ");
//循环，
for (String word : words) {
//将每个单词与 1 组合，形成一个元组
Tuple2<String, Integer> tp = Tuple2.of(word, 1);
//将组成的Tuple放入到 Collector 集合，并输出
out.collect(tp);
}
}
});
//进行分组聚合(keyBy：将key相同的分到一个组中)
SingleOutputStreamOperator<Tuple2<String, Integer>> sumed = wordAndOne.keyBy(0).sum(1);
//Transformation 结束
//3.调用Sink （Sink必须调用）
sumed.print();
//启动(这个异常不建议try...catch... 捕获,因为它会抛给上层flink,flink根据异常来做相应的重启策略等处理)
env.execute("StreamWordCount");
}
}
4.开启端口监听
如果你了解如何开启端口监听，点击如下链接：Windows/Linux开启端口监听
5.执行代码
①开启 8888 端口监听；
②开始运行代码或 使用快捷键Shift + F10执行；
③然后再命令行，输入 单词，在控制台就可以看到实时计算的结果。
测试图如下：
上图解析：
8> (hadoop,1)
4> (storm,2)
4> (storm,3)
3> (k8s,1)
1> (spark,1) —>前面数字 8 4 3 1 为 task 所在槽 slots 的编号
①相同的单词，一定会进入到相同的 task，因为它会根据 key 进行分组；
②task所在槽slots的编号，和当前使用的机器有关系。如下图所示：我们可以使用命令查询 CPU核数、线程数（下图以 windows 为例，linux自行百度）
我们发现：本机CPU为 8核8线程，所以 slots 槽的编号为 1~8；
③我们会发现不同的单词，分在的相同的 task 中。请记住：它可以分在相同 task 的不同组中哦。
Flink 编写实时 WordCount，介绍到此为止
如果本文对你有所帮助，那就给我点个赞呗 O(∩_∩)O
End
