数据分两类，一类是静态处理，多做批量处理，属于OLAP，一类是流式数据，多做实时处理，属于OLTP。Spark Streaming属于微批处理，并非真正意义上的实时处理。本节将介绍一个顶级的流处理框架Flink。
1 系统、软件以及前提约束
- CentOS 7 64 工作站 作者的机子ip是192.168.100.200，请读者根据自己实际情况设置
- jdk1.8已经安装并配置环境变量
https://www.jianshu.com/p/826dc5eca7cb - scala已完成安装
https://www.jianshu.com/p/8384ab76e8d4 - flink-1.2.1-bin-hadoop2-scala_2.10
下载链接：https://pan.baidu.com/s/1c_skDYabCRSkS5hRUB6lFQ
已下载flink-1.2.1-bin-hadoop2-scala_2.10.tgz并上传到/root
提取码：a00t - 为去除权限对操作的影响，所有操作都以root进行
2 操作
- 1 解压
# 进入家目录
cd
# 解压
tar -xvf flink-1.2.1-bin-hadoop2-scala_2.10.tgz
- 2 启动
# 进入flink的启动目录
cd /root/flink-1.2.1/bin
# 启动
./start-local.sh
- 3 测试
在浏览器中输入http://192.168.100.200:8081查看flink界面 - 4 运行自带词频统计demo
# 打开一个xshell窗口，登录，执行nc，监听8888
nc -lk 8888
# 进入flink启动目录
cd /root/flink-1.2.1/bin
# 执行词频统计
./flink run /root/flink-1.2.1/examples/streaming/SocketWindowWordCount.jar --port 8888
# 打开一个xshell窗口，登录，查看日志
cd /root/flink-1.2.1/log
# 查看日志【注意作者的机子名称为danji，因此日志文件中包含danji】
tail -f flink-root-jobmanager-0-danji.out
在nc窗口输入字符串，在查看日志窗口就能看到统计的结果。
以上，就是在CentOS7中安装flink，并且运行自带词频统计的过程。