开发环境依赖
PyFlink作业的开发和运行需要依赖Python 3.5/3.6/3.7 版本和Java 8或者Java 11，本游乐场所使用的环境是Java 1.8.0_211, Python 3.7.7 还有一些其他基础软件如下；
- Java 1.8.0_211
- Python 3.7.7
- PIP 20.0.2
- PyCharm Runtime version: 11.0.7
- MocOS 10.14.6
PyCharm 配置 Python interpreter
应用PyCharm进行开发首先要配置一下项目所使用的Python环境，配置路径PyCharm -> Preferences -> Project Interpreter如下：
点击 Add 配置新的环境，如下：
一路”OK“,完成配置。
安装PyFlink
我们先利用PyCharm创建一些项目，名为PyFlinkPlayground, 并为项目选择我们刚才创建的Virtualenv环境，如下：
创建之后，我们会看到External Libraries 里面使用了PlaygroundEnv, 但是初始化并没有PyFlink，所以我们需要进行显示的安装，如下：
我们可以手工安装PyFlink，直接在PyCharm的Terminal下进行安装，这时候我们自动就是启动的PlaygroundEnv环境，在安装的过程中你也可以看到site-packages内容会不断增加，
(PlaygroundEnv) jincheng:~ jincheng.sunjc$ python --version
Python 3.7.7
(PlaygroundEnv) jincheng:~ jincheng.sunjc$ python -m pip install apache-flink==1.11.1
Collecting apache-flink==1.11.1
Using cached apache_flink-1.11.1-cp37-cp37m-macosx_10_9_x86_64.whl (206.7 MB)
...
...
Successfully installed apache-beam-2.19.0 apache-flink-1.11.1 avro-python3-1.9.1 certifi-2020.6.20 chardet-3.0.4 cloudpickle-1.2.2 crcmod-1.7 dill-0.3.1.1 docopt-0.6.2 fastavro-0.21.24 future-0.18.2 grpcio-1.30.0 hdfs-2.5.8 httplib2-0.12.0 idna-2.10 jsonpickle-1.2 mock-2.0.0 numpy-1.19.1 oauth2client-3.0.0 pandas-0.25.3 pbr-5.4.5 protobuf-3.12.4 py4j-0.10.8.1 pyarrow-0.15.1 pyasn1-0.4.8 pyasn1-modules-0.2.8 pydot-1.4.1 pymongo-3.11.0 pyparsing-2.4.7 python-dateutil-2.8.0 pytz-2020.1 requests-2.24.0 rsa-4.6 six-1.15.0 typing-3.7.4.3 typing-extensions-3.7.4.2 urllib3-1.25.10
(PlaygroundEnv) jincheng:~ jincheng.sunjc$ 最终完成之后你可以在 site-packages下面找的 pyflink目录，如下：
有了这些信息我们就可以进行PyFlink的作业开发了。
HelloWorld 示例
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.table import EnvironmentSettings, StreamTableEnvironment
def hello_world():
"""
从随机Source读取数据，然后直接利用PrintSink输出。
"""
settings = EnvironmentSettings.new_instance().in_streaming_mode().use_blink_planner().build()
env = StreamExecutionEnvironment.get_execution_environment()
t_env = StreamTableEnvironment.create(stream_execution_environment=env, environment_settings=settings)
source_ddl = """
CREATE TABLE random_source (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'datagen',
'rows-per-second'='5',
'fields.f_sequence.kind'='sequence',
'fields.f_sequence.start'='1',
'fields.f_sequence.end'='1000',
'fields.f_random.min'='1',
'fields.f_random.max'='1000',
'fields.f_random_str.length'='10'
)
"""
sink_ddl = """
CREATE TABLE print_sink (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'print'
)
"""
# 注册source和sink
t_env.execute_sql(source_ddl);
t_env.execute_sql(sink_ddl);
# 数据提取
tab = t_env.from_path("random_source");
# 这里我们暂时先使用 标注了 deprecated 的API, 因为新的异步提交测试有待改进...
tab.insert_into("print_sink");
# 执行作业
t_env.execute("Flink Hello World");
if __name__ == '__main__':
hello_world()上面代码在PyCharm里面右键运行就应该打印如下结果了：
开发日志
正常来讲我们可能开发一些UDF，可能打印一些日志或者特殊情况还可能进行Python代码的调试，怎么解？
- 首先，我们定义一个UDF，在UDF里面添加调试日志，如下：
# 定义UDF
@udf(input_types=[DataTypes.STRING()], result_type=DataTypes.STRING())
def pass_by(str):
logging.error("Some debugging infomation...")
return str- 然后在SQL里面使用这个UDF，如下：
# 注册 UDF
t_env.register_function('pass_by', pass_by)
# 使用UDF
tab.select("f_sequence, f_random, pass_by(f_random_str) ")- 完整的代码
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.table import EnvironmentSettings, StreamTableEnvironment, DataTypes
from pyflink.table.udf import udf
import logging
# 定义UDF
@udf(input_types=[DataTypes.STRING()], result_type=DataTypes.STRING())
def pass_by(str):
logging.error("Some debugging infomation...")
return "pass_by_" + str
def hello_world():
"""
从随机Source读取数据，然后直接利用PrintSink输出。
"""
settings = EnvironmentSettings.new_instance().in_streaming_mode().use_blink_planner().build()
env = StreamExecutionEnvironment.get_execution_environment()
t_env = StreamTableEnvironment.create(stream_execution_environment=env, environment_settings=settings)
t_env.get_config().get_configuration().set_boolean("python.fn-execution.memory.managed", True)
source_ddl = """
CREATE TABLE random_source (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'datagen',
'rows-per-second'='5',
'fields.f_sequence.kind'='sequence',
'fields.f_sequence.start'='1',
'fields.f_sequence.end'='1000',
'fields.f_random.min'='1',
'fields.f_random.max'='1000',
'fields.f_random_str.length'='10'
)
"""
sink_ddl = """
CREATE TABLE print_sink (
f_sequence INT,
f_random INT,
f_random_str STRING
) WITH (
'connector' = 'print'
)
"""
# 注册source和sink
t_env.execute_sql(source_ddl);
t_env.execute_sql(sink_ddl);
# 注册 UDF
t_env.register_function('pass_by', pass_by)
# 数据提取
tab = t_env.from_path("random_source");
# 这里我们暂时先使用 标注了 deprecated 的API, 因为新的异步提交测试有待改进...
tab.select("f_sequence, f_random, pass_by(f_random_str) ").insert_into("print_sink")
# 执行作业
t_env.execute("Flink Hello World");
if __name__ == '__main__':
hello_world()那么运行之后，日志在哪里呢？就是在项目的 PlaygroundEnv -> site-packages -> pyflink -> log 目录 ，如下：
到这里，简单的 开发环境就OK了，大家可以改改代码，直观体验一下。。。
游乐场设施
- PyFlink 1.11 游乐场 - 序
- [PyFlink 1.11 游乐场 - 开发环境准备]()
