本文介绍如何在 mac 下疾速构建属于本人的 Flink 利用。
1. 本地装置 flink
在 mac 上应用homebrew装置 flink：
brew install apache-flink查看装置的地位：
brew info apache-flink进入装置目录，启动 flink 集群：
cd /usr/local/Cellar/apache-flink/1.18.0./libexec/bin/start-cluster.sh进入 web 页面：http://localhost:8081/
2. 构建我的项目
基于模板间接构建一个我的项目：
curl https://flink.apache.org/q/quickstart.sh | bash -s 1.18.0cd quickstart在我的项目的 DataStreamJob 类实现如下计数的性能：
package org.myorg.quickstart;import org.apache.flink.api.common.functions.FlatMapFunction;import org.apache.flink.api.java.tuple.Tuple2;import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;import org.apache.flink.util.Collector;public class DataStreamJob { public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.socketTextStream("127.0.0.1", 9000) .flatMap(new LineSplitter()) .keyBy(0) .sum(1) .print(); env.execute("WordCount"); } public static final class LineSplitter implements FlatMapFunction<String, Tuple2<String, Integer>> { @Override public void flatMap(String s, Collector<Tuple2<String, Integer>> collector) { String[] tokens = s.toLowerCase().split("\\W+"); for (String token : tokens) { if (token.length() > 0) { collector.collect(new Tuple2<>(token, 1)); } } } }}在下面的例子中，咱们应用 DataStream API 构建了一个 Flink 利用，数据源（source）为本地的 socket 9000 端口，通过 flatMap、keyBy、sum 三个转换操作之后，最初打印到规范输入流。整体流程如下图：
3. 运行
启动 socket 连贯，监听 9000 端口：
nc -l 9000打包，上传（能够应用 Web UI 界面上传，也能够应用命令行上传）。
上传后，就能够在 WebUI 看到正在运行的 job 了。
此时通过在 socket 输出内容，
就能够在 task manager 的 stdout 看到打印后果了。
4. 总结
本文从零开始在本地构建运行了一个 Flink 利用，包含 Flink 集群的装置、Flink 利用的构建，以及 Flink 利用的运行。