Flink系列（一）使用DataSet API处理有界数据流

最近处于学习复盘的阶段，因此准备写一系列关于flink的实战相关的文章。今天介绍下第一篇，在flink中使用DataSet API处理有界数据流。

学习下基础知识

1、DataSet API是flink里面做批量计算的一种api。

2、有界数据流就是指每一次处理的数据是以批次的方式给出的，这个批次没有后续数据增加的情况，例如：分析一篇文章，那么此文章的内容就是一个批次，这就是有界的数据流。

3、DataSet API的任务在flink集群里面执行的时候，是一个一次性任务，不是常驻的任务。一次性任务就是指任务执行完了后，job就会被停止掉，如果需要继续执行，则需要重新启动。

实战化

这里我们主要演示下使用DataSet API处理一批英文语句，然后进行下wordcount操作。

一、编写一个BatchWordCount的类，代码如下：

package com.flink.demo;

import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.api.java.operators.AggregateOperator;
import org.apache.flink.api.java.operators.DataSource;
import org.apache.flink.api.java.tuple.Tuple2;

/**
 * 此类主要介绍下使用flink的DataSet API处理有界的数据流
 * @author Administrator
 *
 */
public class BatchWordCount {
	
	public static void main(String[] args) throws Exception {
		
		//获取一下flink的执行环境
		ExecutionEnvironment environment = ExecutionEnvironment.getExecutionEnvironment();
		//随便构建一个数据集
		DataSource<String> datas = environment.fromElements("My hobby is listening to music"
				,"When I was a child I enjoy listening to music especially the cartoon music"
				,"I often lose myself in it"
				,"When I am in trouble"
				,"music can make me calm down");
		//根据第0个字段进行group by 再把第一个字段进行求和
		AggregateOperator<Tuple2<String, Integer>> ds = datas.flatMap(new LineSplitter()).groupBy(0).sum(1);
	
		ds.print();
	
	}
	
}

这里我们主要是做如下操作

1、构建一个有界的数据集，这里我们构建有界的数据集可以是一个数组，也可以是一个list，也可以是直接读取某个文件的内容等多样化的数据源数据构成。
2、把这些数据集进行数据切分，同时进行group by再求和。
4、最后把求和后的结果打印出来。

上面还要用到一个切割方法类

package com.flink.demo;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.Collector;

/**
 * 切割英文单词
 * 
 * @author Administrator
 *
 */
public class LineSplitter implements FlatMapFunction<String, Tuple2<String, Integer>> {

	/**
	 * 
	 */
	private static final long serialVersionUID = -230153465595371704L;

	@Override
	public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {

		// 英文的词语之间使用的是空格进行分割
		String[] words = value.split(" ");
		
		for(String word : words) {
			out.collect(new Tuple2<String, Integer>(word, 1));
		}
		
	}

}