Flink 基础 -- 应用开发(项目配置)

1、概述

本节中的指南将向您展示如何通过流行的构建工具(Maven, Gradle)配置项目，添加必要的依赖项(即连接器和格式，测试)，并涵盖一些高级配置主题。

每个Flink应用程序都依赖于一组Flink库。至少，应用程序依赖于Flink api，此外，还依赖于某些连接器库(如Kafka, Cassandra)和第三方依赖，用户需要开发自定义函数来处理数据。

1.1 开始进行

要开始使用Flink应用程序，请使用以下命令、脚本和模板来创建Flink项目。

Maven

您可以使用下面的Maven命令基于 Archetype创建一个项目，或者使用提供的快速入门bash脚本。

所有Flink Scala api都已弃用，并将在未来的Flink版本中删除。您仍然可以在Scala中构建应用程序，但是应该使用Java版本的DataStream和/或Table API。
See FLIP-265 Deprecate and remove Scala API support

Maven command

$ mvn archetype:generate                \-DarchetypeGroupId=org.apache.flink   \-DarchetypeArtifactId=flink-quickstart-java \-DarchetypeVersion=1.18.0

这允许您命名新创建的项目，并将交互地询问您的groupId、artifactId和包名。

Quickstart script

$ curl https://flink.apache.org/q/quickstart.sh | bash -s 1.18.0

1.2 您需要哪些依赖项?

要开始处理Flink作业，通常需要以下依赖项:

• Flink APIs，以开发您的工作
• 连接器和格式，以便将您的作业与外部系统集成
• 测试实用程序，以测试您的工作

除此之外，您可能还需要添加开发自定义功能所需的第三方依赖项。

1.3 Flink APIs

Flink提供了两个主要的API:数据流API和表API & SQL。它们可以单独使用，也可以混合使用，这取决于你的用例:

想要使用的APIs	需要添加的依赖项
DataStream	flink-streaming-java
DataStream with Scala	flink-streaming-scala_2.12
Table API	flink-table-api-java
Table API with Scala	flink-table-api-scala_2.12
Table API + DataStream	flink-table-api-java-bridge
Table API + DataStream with Scala	flink-table-api-scala-bridge_2.12

1.3 运行和打包

如果您希望通过简单地执行主类来运行作业，则需要在类路径中使用flink-clients。对于Table API程序，您还需要flink-table-runtime和flink-table-planner-loader。

根据经验，我们建议将应用程序代码及其所需的所有依赖项打包到一个fat/uber JAR中。这包括作业的打包连接器、格式和第三方依赖项。此规则不适用于 Java APIs、DataStream Scala api和前面提到的运行时模块，这些模块已经由Flink自己提供，不应该包含在job uber JAR中。这个作业JAR可以提交到已经运行的Flink集群，或者添加到Flink应用程序容器映像中，而无需修改发行版。

1.4 What’s next?

• 要开始开发您的工作，请查看数据流API和表API & SQL。
• 有关如何根据构建工具打包作业的详细信息，请查看以下特定指南
  Maven
  Gradle
• 有关项目配置的更高级主题，请查看高级主题部分。

2、如何使用Maven来配置您的项目

本指南将向您展示如何使用Maven配置Flink作业项目（Flink job project），Maven是由Apache Software Foundation开发的开源构建自动化工具，使您能够构建、发布和部署项目。您可以使用它来管理软件项目的整个生命周期。

2.1 要求

• Maven 3.8.6 (recommended or higher)
• Java 8 (deprecated) or Java 11

2.2 将项目导入到IDE中

一旦创建了项目文件夹和文件，我们建议您将该项目导入到IDE中进行开发和测试。

IntelliJ IDEA支持开箱即用的Maven项目。Eclipse提供了m2e插件来导入Maven项目。

注意:对于Flink来说，Java的默认JVM堆大小可能太小，您必须手动增加它。在Eclipse中，选择“Run Configurations -> Arguments”，在“VM Arguments”中输入“-Xmx800m”。在IntelliJ IDEA中，建议从Help |编辑自定义虚拟机选项菜单中更改JVM选项。有关详细信息，请参阅本文。

关于IntelliJ的注意事项:要使应用程序在IntelliJ IDEA中运行，必须在运行配置中勾选Include dependencies with "Provided" scope框。如果这个选项不可用(可能是由于使用较旧的IntelliJ IDEA版本)，那么一个变通方法是创建一个调用应用程序的main()方法的测试。

2.3 构建项目

如果你想构建/打包你的项目，导航到你的项目目录并运行mvn clean package’ 命令。您将在这里找到一个JAR文件，其中包含您的应用程序(以及您可能作为依赖项添加到应用程序中的连接器和库):target/<artifact-id>-<version>.jar

注意:如果您使用与DataStreamJob不同的类作为应用程序的主类/入口点，我们建议您相应地更改pom.xml文件中的mainClass设置，以便Flink可以从JAR文件运行应用程序，而无需额外指定主类。

2.4 向项目添加依赖项

在项目目录中打开pom.xml文件，并在dependencies 选项卡之间添加依赖项

例如，你可以像这样添加Kafka连接器作为依赖项:

<dependencies><dependency><groupId>org.apache.flink</groupId><artifactId>flink-connector-kafka</artifactId><version>1.18.0</version></dependency></dependencies>

然后在命令行上执行mvn install。
从Java Project Template、 Scala Project Template或Gradle创建的项目被配置为在运行mvn clean package时自动将应用程序依赖项包含到应用程序JAR中。对于没有从这些模板中设置的项目，我们建议添加Maven Shade Plugin来构建包含所有必需依赖项的应用程序jar。

重要:请注意，所有这些核心API依赖项都应该将它们的作用域设置为 provided。这意味着需要对它们进行编译，但是不应该将它们打包到项目的最终应用程序JAR文件中。如果没有设置为provided，最好的情况是最终的JAR变得过大，因为它还包含所有Flink核心依赖项。最坏的情况是，添加到应用程序JAR文件中的Flink核心依赖项与您自己的一些依赖项版本发生冲突(通常可以通过反向类加载来避免这种情况)。

要正确地将依赖项打包到应用程序JAR中，必须将Flink API依赖项设置为compile 范围。

2.5 打包应用程序

根据您的用例，在将Flink应用程序部署到Flink环境之前，可能需要以不同的方式对其进行打包。

如果你想为Flink Job创建一个JAR，并且只使用Flink依赖关系而不使用任何第三方依赖关系(即使用JSON格式的文件系统连接器)，你不需要创建一个uber/fat JAR或遮挡任何依赖关系。

如果您想为Flink Job创建一个JAR，并使用Flink发行版中没有内置的外部依赖项，您可以将它们添加到发行版的类路径中，或者将它们隐藏到您的uber/fat应用程序JAR中。

有了生成的uber/fat JAR，你可以通过以下命令将其提交到本地或远程集群:

bin/flink run -c org.example.MyJob myFatJar.jar

要了解有关如何部署Flink作业的详细信息，请查看部署指南。

2.6 用于创建带有依赖项的uber/fat JAR的模板

要构建一个包含声明的连接器和库所需的所有依赖项的应用程序JAR，您可以使用以下插件定义:

<build><plugins><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-shade-plugin</artifactId><version>3.1.1</version><executions><execution><phase>package</phase><goals><goal>shade</goal></goals><configuration><artifactSet><excludes><exclude>com.google.code.findbugs:jsr305</exclude></excludes></artifactSet><filters><filter><!-- Do not copy the signatures in the META-INF folder.Otherwise, this might cause SecurityExceptions when using the JAR. --><artifact>*:*</artifact><excludes><exclude>META-INF/*.SF</exclude><exclude>META-INF/*.DSA</exclude><exclude>META-INF/*.RSA</exclude></excludes></filter></filters><transformers><transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer"><!-- Replace this with the main class of your job --><mainClass>my.programs.main.clazz</mainClass></transformer><transformer implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/></transformers></configuration></execution></executions></plugin></plugins>
</build>

默认情况下，Maven阴影插件将包括runtime 和compile范围内的所有依赖项。

3、连接器和格式

Flink应用程序可以通过连接器读取和写入各种外部系统。它支持多种格式，以便编码和解码数据以匹配Flink的数据结构。

数据流和Table API/SQL的可用连接器和格式概述。

3.1 Available artifacts

为了使用连接器和格式，您需要确保Flink能够访问实现它们的构件。对于Flink社区支持的每个连接器，我们在Maven Central上发布两个工件:

• flink-connector-<NAME> 它是一个瘦JAR，只包括连接器代码，但不包括最终的第三方依赖
• flink-sql-connector-<NAME> 它是一个超级JAR，可以与所有连接器第三方依赖项一起使用

这同样适用于格式（formats）。注意，有些连接器可能没有相应的flink-sql-connector-<NAME>构件，因为它们不需要第三方依赖项。

uber/fat jar主要用于与SQL客户端一起使用，但您也可以在任何数据流/表应用程序中使用它们。

3.2 Using artifacts

为了使用连接器/格式模块，你可以:

• 在您的作业JAR中为瘦JAR及其传递依赖项 Shade
• 在你的工作JAR中添加超级JAR
• 将uber JAR直接拷贝到Flink发行版的/lib文件夹中

对于shading 依赖，请查看特定的Maven和Gradle指南。有关Flink分布的参考，请查看Flink分布的解剖。

决定是shade uber JAR、瘦JAR还是仅仅在发行版中包含依赖取决于您和您的用例。如果您为依赖项添加阴影，您将对作业JAR中的依赖项版本有更多的控制。在对瘦JAR进行shade 的情况下，您将对传递依赖项有更多的控制，因为您可以在不更改连接器版本的情况下更改版本(允许二进制兼容性)。如果在Flink分发/lib文件夹中直接嵌入连接器uber JAR，您将能够在一个地方控制所有作业的连接器版本。

4、测试依赖

Flink提供了用于测试作业的实用程序，您可以将其添加为依赖项。

4.1 DataStream API Testing

如果要为使用DataStream API构建的作业开发测试，则需要添加以下依赖项:

<dependency><groupId>org.apache.flink</groupId><artifactId>flink-test-utils</artifactId><version>1.18.0</version><scope>test</scope>
</dependency>

在各种测试实用程序中，该模块提供了MiniCluster，这是一个轻量级的可配置Flink集群，可在JUnit测试中运行，可以直接执行作业。

有关如何使用这些实用程序的更多信息，请参阅DataStream API测试一节

4.2 Table API Testing

如果你想在IDE中本地测试Table API & SQL程序，除了前面提到的flink-test-utils之外，你可以添加以下依赖项:

<dependency><groupId>org.apache.flink</groupId><artifactId>flink-table-test-utils</artifactId><version>1.18.0</version><scope>test</scope>
</dependency>

这将自动引入查询规划器和运行时，它们分别用于规划和执行查询。

Flink -table-test-utils模块已在Flink 1.15中引入，被认为是实验性的。

5、高级配置主题

5.1 Flink分布的解剖

Flink本身由一组类和依赖项组成，这些类和依赖项构成了Flink运行时的核心，并且在启动Flink应用程序时必须出现。运行系统所需的类和依赖关系处理诸如协调、网络、检查点、故障转移、api、操作符(如窗口)、资源管理等领域。

这些核心类和依赖项被打包在flink-dist.jar中，它可以在下载的发行版的/lib文件夹中获得，并且是基本Flink容器映像的一部分。您可以将这些依赖关系看作类似于Java的核心库，其中包含String和List之类的类。

为了保持核心依赖尽可能小并避免依赖冲突，Flink核心依赖不包含任何连接器或库(即CEP, SQL, ML)，以避免在类路径中有过多的默认类和依赖。

Flink发行版的/lib目录还包含各种jar，其中包括常用模块，例如执行Table作业所需的所有模块以及一组连接器和格式。这些是默认加载的，可以通过从/lib文件夹中删除它们来从类路径中删除。

Flink还在/opt文件夹下提供了额外的可选依赖项，这可以通过移动/lib文件夹中的jar来启用。

有关类加载的更多信息，请参阅Flink中的类加载一节。

5.2 Scala版本

不同的Scala版本之间不是二进制兼容的。所有(传递地)依赖于Scala的Flink依赖都以其构建的Scala版本为后缀(例如:flink-streaming-scala_2.12)。

如果你只使用Flink的Java api，你可以使用任何Scala版本。如果您正在使用Flink的Scala api，则需要选择与应用程序的Scala版本匹配的Scala版本。

有关如何为特定的Scala版本构建Flink的详细信息，请参阅构建指南。

2.12.8之后的Scala版本与之前的2.12.x 版本不兼容。这将阻止Flink项目升级其2.12.X版本在2.12.8之后。您可以按照构建指南在本地为以后的Scala版本构建Flink。为此，您需要添加-Djapicmp.skip在构建时跳过二进制兼容性检查。

5.3 表依赖剖析

Flink发行版默认包含执行Flink SQL作业所需的jar(在/lib文件夹中)，特别是:

• flink-table-api-java-uber-1.18.0.jar → contains all the Java APIs
• flink-table-runtime-1.18.0.jar → contains the table runtime
• flink-table-planner-loader-1.18.0.jar → contains the query planner

以前，这些jar都打包到flink-table.jar中。从Flink 1.15开始，为了允许用户将flink-table-planner-loader-1.18.0.jar 与flink-table-planner_2.12-1.18.0.jar交换，这个文件现在被分成三个jar。

虽然 Table Java API构件内置于发行版中，但默认情况下不包括表Scala API构件。当使用Flink Scala API的格式和连接器时，您需要手动下载并将这些JAR包含在distribution /lib文件夹中(推荐)，或者将它们打包为Flink SQL作业的uber/fat JAR中的依赖项。

有关更多详细信息，请查看如何连接到外部系统。

Table Planner and Table Planner Loader

从Flink 1.15开始，该分布包含两个规划器:

• flink-table-planner_2.12-1.18.0.jar, in /opt, contains the query planner
• flink-table-planner-loader-1.18.0.jar, loaded by default in /lib, contains the query planner hidden behind an isolated classpath (you won’t be able to address any io.apache.flink.table.planner directly)

这两个规划器jar包含相同的代码，但是它们的打包不同。在第一种情况下，必须使用相同的Scala版本的JAR。在第二种情况下，您不需要考虑Scala，因为它隐藏在JAR中。

默认情况下，发行版使用flink-table-planner-loader。如果需要访问和使用查询规划器的内部，可以交换jar(在distribution /lib文件夹中复制并粘贴flink-table-planner_2.12.jar)。请注意，您将被限制使用您正在使用的Flink发行版的Scala版本。

这两个计划器不能同时存在于类路径中。如果将它们都加载到/lib中，则表作业将失败。

在即将到来的Flink版本中，我们将停止在Flink发行版中发布flink-table-planner_2.12工件。我们强烈建议迁移作业和自定义连接器/格式以使用API模块，而不依赖于规划器内部。如果您需要来自计划器的一些功能，这些功能目前没有通过API模块公开，请打开一个票证以便与社区讨论。

5.4 Hadoop的依赖性

一般规则:没有必要将Hadoop依赖项直接添加到应用程序中。如果你想在Hadoop中使用Flink，你需要有一个包含Hadoop依赖项的Flink设置，而不是将Hadoop作为一个应用程序依赖项添加。换句话说，Hadoop必须依赖于Flink系统本身，而不是包含应用程序的用户代码。Flink将使用由HADOOP_CLASSPATH环境变量指定的Hadoop依赖项，可以这样设置:

export HADOOP_CLASSPATH=`hadoop classpath`

这种设计有两个主要原因:

• 一些Hadoop交互发生在Flink的核心，可能在用户应用程序启动之前。其中包括为检查点设置HDFS，通过Hadoop的Kerberos令牌进行身份验证，或者部署在YARN上。
• Flink的反向类加载方法从核心依赖项中隐藏了许多传递依赖项。这不仅适用于Flink自己的核心依赖，也适用于安装过程中出现的Hadoop依赖。这样，应用程序就可以使用相同依赖项的不同版本，而不会遇到依赖冲突。当依赖树变得非常大时，这非常有用。

如果你在IDE中开发或测试时需要Hadoop依赖项(例如，HDFS访问)，你应该将这些依赖项配置为类似于依赖项的范围(例如，test 或provided)。