【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础004--flink特性:类库和API示例
来源:互联网 发布:slam算法书籍 编辑:程序博客网 时间:2024/06/06 09:40
三、类库和API
1.流处理程序
flink的 DataStream API在流处理的业务场景下,支持多种数据转换,支持用户自定义状态的操作,支持灵活的窗口操作!
示例程序:
//1.定义case classcase class Word(word: String, freq: Long)//2.定义数据源val texts: DataStream[String] = ...//3.支持数据的流操作val counts = text .flatMap { line => line.split("\\W+") } .map { token => Word(token, 1) } .keyBy("word") .timeWindow(Time.seconds(5), Time.seconds(1)) .sum("freq")
程序说明:
以上程序演示了如何在一个数据流上,对源源不断流入的消息进行一个word-count操作!
2.批处理程序
flink的 DataSet API具有以下特性: 1.支持Java和scale开发语言 2.支持编写类型安全的程序 3.能够编写漂亮的易于维护的程序 4.支持丰富的数据类型 5.支持键值对数据类型 6.支持丰富的算子
示例程序:
//1.定义case class case class Page(pageId: Long, rank: Double)case class Adjacency(id: Long, neighbors: Array[Long])//2.执行运算val result = initialRanks.iterate(30) { pages => pages.join(adjacency).where("pageId").equalTo("id") { (page, adj, out: Collector[Page]) => { out.collect(Page(page.pageId, 0.15 / numPages)) val nLen = adj.neighbors.length for (n <- adj.neighbors) { out.collect(Page(n, 0.85 * page.rank / nLen)) } } } .groupBy("pageId").sum("rank")}
程序说明:
以上程序演示了一个在图计算中PageRank算法的核心代码!
3.类库和软件栈
flink的软件栈
flink deploy: 有三种部署方式 1.本地部署:在本地启动基于单个jvm的flink实例。 2.集群部署:在集群中可以单独部署成standalone模式,也可以采用hadoop的YARN进行部署成yarn模式 3.云部署:兼容Google的云服务GCE(Google Compute Engine),也兼容amazon的云服务AWS(Amazon Web Services)。flink core: flink的核心是一个分布式基于流的数据处理引擎,将一切处理都认为是流处理,将批处理看成流处理的一个特例。 这与spark正好相反,spark是将一切处理都认为是批处理,将流处理看成批处理的一个特例。spark的流处理不 是真正的流处理它是一种微型批处理(micro batch),因此spark的流处理实的时性不是很高,spark streaming 定位是准实时流处理引擎。而flink是真正的流处理系统,它的实时性要比spark高出不少,它对标是Twitter开源的 storm和heron,他是一个真正的大数据实时分析系统。flink API: flink的API分为两个部分 1.流处理API,流处理主要是基于dataStream 2.批处理API,批处理主要是基于dataSetflink liberaries: Flink还针对特定的应用领域提供了相应的软件库,方便适应特定领域的操作。主要包括 1.flink table:主要用于处理关系型的结构化数据,对结构化数据进行查询操作,将结构化数据抽象成关系表, 并通过类SQL的DSL对关系表进行各种查询操作。提供SQL on bigdata的功能,flink table既可以在流处 理中使用SQL,也可以在批处理中使用SQL,对应sparkSQL. 2.flink gelly:主要用于图计算领域,提供相关的图计算API和图计算算法的实现,对应spark graph。 3.flink ML(machine leaning):主要用于机器学习领域,提供了机器学习Pipelines APIh和多种机器学 习算法的实现,对应sparkML 4.flink CEP(Complex event processing):主要用于复杂事件处理领域。总结: flinK为支持各种计算场景提供了相应的高层api 1.提供DataSet API来支持批处理场景 2.提供DataSream API来支持批流理场景 3.提供CEP API来支持F复杂事件处理(Complex Event Processing)的场景 4.提供Gelly API来支持图分析场景 5.提供Table API来支持SQL-ON-BIGDATA场景 6.提供FlinkML API来支持机器学习场景
flink为了和大数据生态圈的其他技术进行融合,也在努力的扩展器存储层的支撑。
spark的软件栈
1.在高层api方面,flink和spark几乎一样都覆盖了大多数的大数据处理场景。2.由于发展的原因spark在API方面要超出flink,这方面flink也在大力发展。
阅读全文
2 0
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础004--flink特性:类库和API示例
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础002--flink特性:流处理特性介绍
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础005--flink特性:flink的生态系统和Hadoop生态系统
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础003--flink特性:流处理,批处理珠联璧合
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础009--flink分布式部署004
- 【云星数据---Apache Flink实战系列(精品版)】:Flink基础--001:flink介绍
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础006--flink分布式部署001
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础007--flink分布式部署002
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础008--flink分布式部署003
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础0010--flink分布式部署005
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础0011--flink分布式部署006
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础0012--flink分布式部署007
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础0013--flink分布式部署008
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础0014--flink分布式部署009
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础0015--flink分布式部署0010
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink高级特性与高级应用020-Flink中参数传递和容错设定004
- 【云星数据---Apache Flink实战系列(精品版)】:Flink流处理API详解与编程实战001-Flink基于流的wordcount示例001
- 云星数据---Apache Flink实战系列(精品版)】:Flink流处理API详解与编程实战002-Flink基于流的wordcount示例002
- python配置环境
- docker 配置
- mrunit的问题
- java的基本数据类型
- 鸡蛋,从外打破是食物,从内打破是生命------认知的崩塌与重建
- 【云星数据---Apache Flink实战系列(精品版)】:Apache Flink实战基础004--flink特性:类库和API示例
- json-> jackson
- tomcat设置直接通过域名访问项目(不需要接 /项目名)
- 单调栈理解及应用
- git搭建到与idea整合
- GO语言相关
- source insight中注释_取注快捷键设置方法
- 单调队列理解及应用
- Vmalloc实现原理