戳更多文章：
本地安装单机版本Flink
一般来说，线上都是集群模式，那么单机模式方便我们测试和学习。
环境要求
本地机器上需要有 Java 8 和 maven 环境，推荐在linux或者mac上开发Flink应用：
如果有 Java 8 环境，运行下面的命令会输出如下版本信息：
如果有 maven 环境，运行下面的命令会输出如下版本信息：
开发工具推荐使用 ItelliJ IDEA。
插播广告
-
全网唯一一个从0开始帮助Java开发者转做大数据领域的公众号~
-
公众号大数据技术与架构或者搜索import_bigdata关注，大数据学习路线最新更新，已经有很多小伙伴加入了~
第一种方式
看这里：
注意：
An Apache Hadoop installation is not required to use Apache Flink. For users that use Flink without any Hadoop components, we recommend the release without bundled Hadoop libraries.
这是啥意思？
这个意思就是说Flink可以不依赖Hadoop环境，如果说单机玩的话，下载一个only版本就行了。
第二种方式(不推荐)
git clone https://github.com/apache/flink.git
cd flink
mvn clean package -DskipTests
然后进入编译好的Flink中去执行 bin/start-cluster.sh
其他乱七八糟的安装办法
比如 Mac用户可以用brew install apache-flink ,前提是安装过 brew这个mac下的工具.
启动Flink
我们先到Flink的目录下来：
如下：
$ flink-1.7.1 pwd
/Users/wangzhiwu/Downloads/flink-1.7.1
执行命令：
接着就可以进入 web 页面(http://localhost:8081/) 查看
恭喜你，一个单机版的flink就跑起来了。
构建一个应用
当然了，我们可以用maven，一顿new，new出来一个过程，这里我们将使用 Flink Maven Archetype 来创建我们的项目结构和一些初始的默认依赖。在你的工作目录下，运行如下命令来创建项目：
mvn archetype:generate
-DarchetypeGroupId=org.apache.flink
-DarchetypeArtifactId=flink-quickstart-java
-DarchetypeVersion=1.7.2
-DgroupId=flink-project
-DartifactId=flink-project
-Dversion=0.1
-Dpackage=myflink
-DinteractiveMode=false
这样一个工程就构建好了。
还有一个更加牛逼的办法，看这里：
curl https://flink.apache.org/q/quickstart.sh | bash
直接在命令行执行上面的命令，结果如下图：
同样可以构建一个Flink工程，而且自带一些demo。
原理是什么？点一下它看看就明白了。
https://flink.apache.org/q/quickstart.sh
编写一个入门级的WordCount
//
// Program
//
public static void main(String[] args) throws Exception {
// set up the execution environment
final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
// get input data
DataSet<String> text = env.fromElements(
"To be, or not to be,--that is the question:--",
"Whether 'tis nobler in the mind to suffer",
"The slings and arrows of outrageous fortune",
"Or to take arms against a sea of troubles,"
);
DataSet<Tuple2<String, Integer>> counts =
// split up the lines in pairs (2-tuples) containing: (word,1)
text.flatMap(new LineSplitter())
// group by the tuple field "0" and sum up tuple field "1"
.groupBy(0) //(i,1) (am,1) (chinese,1)
.sum(1);
// execute and print result
counts.print();
}
//
// User Functions
//
/**
* Implements the string tokenizer that splits sentences into words as a user-defined
* FlatMapFunction. The function takes a line (String) and splits it into
* multiple pairs in the form of "(word,1)" (Tuple2<String, Integer>).
*/
public static final class LineSplitter implements FlatMapFunction<String, Tuple2<String, Integer>> {
@Override
public void flatMap(String value, Collector<Tuple2<String, Integer>> out) {
// normalize and split the line
String[] tokens = value.toLowerCase().split("\W+");
// emit the pairs
for (String token : tokens) {
if (token.length() > 0) {
out.collect(new Tuple2<String, Integer>(token, 1));
}
}
}
}
}
类似的例子，官方也有提供的，可以在这里下载：
WordCount官方推荐
运行
本地右键运行：
提交到本地单机Flink上
- 进入工程目录，使用以下命令打包
mvn clean package -Dmaven.test.skip=true
然后，进入 flink 安装目录 bin 下执行以下命令提交程序：
flink run -c org.myorg.laowang.WordCount /Users/wangzhiwu/WorkSpace/quickstart/target/quickstart-0.1.jar
分别制定main方法和jar包的地址。
在刚才的控制台中，可以看到：
我们刚才提交过的程序。
flink的log目录下有我们提交过的任务的日志：
总结
一次简单的flink之旅就完成了。
-
全网唯一一个从0开始帮助Java开发者转做大数据领域的公众号~
-
公众号大数据技术与架构或者搜索import_bigdata关注，大数据学习路线最新更新，已经有很多小伙伴加入了~
-
全网唯一一个从0开始帮助Java开发者转做大数据领域的公众号~
-
公众号大数据技术与架构或者搜索import_bigdata关注，大数据学习路线最新更新，已经有很多小伙伴加入了~