在netcat中输入几个单词 逗号分隔
在程序一端查看结果
启动flink
windows为 start-cluster.bat linux为start-cluster.shlocalhost:8081查看管理页面
通过maven对代码打包
将打好的包提交到flink上
查看log
tail -f log/flink-***-jobmanager.out在netcat中继续输入单词，在Running Jobs中查看作业状态，在log中查看输出。
Flink提供不同级别的抽象来开发流/批处理应用程序。
最低级抽象只提供有状态流。
在实践中，大多数应用程序不需要上述低级抽象，而是针对Core API编程， 如DataStream API（有界/无界流）和DataSet API（有界数据集）。
Table Api声明了一个表，遵循关系模型。
最高级抽象是SQL。
我们这里只用到了DataStream API。
Flink程序的基本构建块是流和转换。
一个程序的基本构成：
l 获取execution environment
l 加载/创建原始数据
l 指定这些数据的转化方法
l 指定计算结果的存放位置
l 触发程序执行
StreamExecutionEnvironment是所有Flink程序的基础，获取方法有：
getExecutionEnvironment()
createLocalEnvironment()
createRemoteEnvironment(String host, int port, String ... jarFiles)
一般情况下使用getExecutionEnvironment。如果你在IDE或者常规java程序中执行可以通过createLocalEnvironment创建基于本地机器的StreamExecutionEnvironment。如果你已经创建jar程序希望通过invoke方式获取里面的getExecutionEnvironment方法可以使用createRemoteEnvironment方式。
2、加载/创建原始数据StreamExecutionEnvironment提供的一些访问数据源的接口
（1）基于文件的数据源
readTextFile(path) readFile(fileInputFormat, path) readFile(fileInputFormat, path, watchType, interval, pathFilter, typeInfo)（2）基于Socket的数据源（本文使用的）
l socketTextStream
（3）基于Collection的数据源
fromCollection(Collection) fromCollection(Iterator, Class) fromElements(T ...) fromParallelCollection(SplittableIterator, Class) generateSequence(from, to) 3、转化方法（1）Map方式：DataStream -> DataStream
功能：拿到一个element并输出一个element，类似Hive中的UDF函数
举例：
DataStream<Integer> dataStream = //... dataStream.map(new MapFunction<Integer, Integer>() { @Override public Integer map(Integer value) throws Exception { return 2 * value; } });（2）FlatMap方式：DataStream -> DataStream
功能：拿到一个element，输出多个值，类似Hive中的UDTF函数