Flink - DataStream API - 执行环境

四、DataStream API

1. 执行环境（Execution Environment）

Flink 程序可以在各种上下文环境中运行，在提交作业执行计算时，须先获取当前 Flink 的运行环境，从而建立起与 Flink 框架的联系，构建不同环境对应的运行过程

1.1 创建执行环境

（1）getExecutionEnvironment

// 如：程序独立运行，则返回本地执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

（2）createLocalEnvironment

// 该方式可以显示传入并行度参数，默认值为当前host的cpu核心对应的线程数
StreamExecutionEnvironment localEnv = StreamExecutionEnvironment.createLocalEnvironment();

（3）createRemoteEnvironment

StreamExecutionEnvironment remoteEnv = StreamExecutionEnvironment
          .createRemoteEnvironment(
            "host",                   // JobManager主机名
            8088,                     // JobManager进程端口号
               "xxx/xxx/jarFile.jar"     // 提交给 JobManager 的 jar 包
        );

1.2 执行模式（Execution Mode）

Flink 官方从 1.12 版本开始，推荐使用 DataStream API，在提交任务时将执行模式设置为 BATCH 进行批处理

DataStream API 执行模式：

• 流执行模式（Streaming）
• 批执行模式（Batch）
• 自动模式（AutoMatic）：该模式根据数据数据源是否有界自动选择执行模式

设置方式：

• 命令行

  bin/flink run -Dexecution.runtime-mode=BATCH ...

• 代码

  // 实际业务场景中不推荐在代码里设置
  StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
  env.setRuntimeMode(RuntimeExecutionMode.BATCH);

1.3 触发执行程序

Flink 是由事件驱动的，只有当数据真正输入时，才会触发计算，即延迟执行或懒执行

在算子后须显示调用 execute() 方法，该方法会一直同步等待作业完成，返回 JobExecutionResult 执行结果

env.execute();