大数据处理神器Beam

ApacheBeam是统一批处理（Batch）模式和数据流（Stream）处理模式的标准. 在大数据各种框架中，比如进行批处理的MapReduce，实时流处理的Flink，以及SQL交互的Spark SQL等等，把这些开源框架，工具，类库，平台整合到一起，所需要的工作量以及复杂度，可想而知。这也是大数据开发者比较头疼的问题。而整合这些资源的一个解决方案，就是 Apache Beam。

java快速启动：https://beam.apache.org/get-started/quickstart-java/
将WordCount的Beam程序以多种不同Runner运行：
Get the WordCount Code：
在终端中输入以下命令

       mvn archetype:generate \
      -DarchetypeGroupId=org.apache.beam \
      -DarchetypeArtifactId=beam-sdks-java-maven-archetypes-examples \
      -DarchetypeVersion=2.7.0 \
      -DgroupId=org.example \
      -DartifactId=word-count-beam \
      -Dversion="0.1" \
      -Dpackage=org.apache.beam.examples \
      -DinteractiveMode=false

将会下载一段时间，自动会创建一个word-count-beam的文件夹，里面包含pom.xml文件

可见创建成功
输入tree查看文件夹树结构

A single Beam pipeline can run on multiple Beam runners, including the ApexRunner, FlinkRunner, SparkRunner or DataflowRunner.

运行WordCount：
1.DirectRunner

mvn compile exec:java -Dexec.mainClass=org.apache.beam.examples.WordCount \
-Dexec.args="--inputFile=/home/zq/Desktop/test.txt --output=counts" -Pdirect-runner

讲真，第一次的时候下载这么多jar包，速度是真的慢．
后面从本地加载，就会快很多．
2.SparkRunner

mvn compile exec:java -Dexec.mainClass=org.apache.beam.examples.WordCount \
-Dexec.args="--runner=SparkRunner --inputFile=/home/zq/Desktop/test.txt 
--output=counts" -Pspark-runner

3.FlinkRunner

mvn compile exec:java -Dexec.mainClass=org.apache.beam.examples.WordCount \
-Dexec.args="--runner=FlinkRunner --inputFile=/home/zq/Desktop/test.txt 
--output=counts" -Pflink-runner

以Flink为例，其他平台运行方式只是比直接运行多了指定–runner=FlinkRunner和-Pflink-runner
运行时如果你发现spark等的版本不是最新的，可以自己去pom.xml文件中做相应修改,再加载一次就行了

查看结果:
ls counts*


这样，同一份代码(WordCount.java)实现了在不同平台引擎Runner(Flink,Spark等等)上面的运行，并且效果是一样的．类似JVM对于java跨平台性的支持