全部產品
Search
文件中心

Realtime Compute for Apache Flink:快速開始

更新時間:Jul 30, 2026

本文向您介紹如何使用 Flink Python DataFrame API 編寫一個作業,並部署運行。

前提條件

開始前,請確認已完成以下準備:

  • 已開通Realtime Compute Flink 版工作空間。具體操作,請參見開通Realtime ComputeFlink版。

  • Realtime Compute引擎 VVR 11.8 及以上版本預裝了 Python 3.9、3.10 和 3.11,建議您選擇其中之一作為本地開發環境的 Python 版本。

本地環境搭建

  1. 建立工作目錄。

    mkdir dataframe-quickstart
    cd dataframe-quickstart
  2. (可選)本地開發環境配置:由於 Flink Python DataFrame API 為 VVR 11.8 及以上的專屬功能,暫未在開源版 Flink 中提供,因此您需要使用下面的命令安裝 VVR 版 PyFlink 依賴包:

    pip install "ververica-flink==11.8.0"
    說明

    ververica-flink是API-Only包,僅提供類型定義和介面聲明,用於本地開發,作業仍需在Realtime ComputeFlink版平台提交。

編寫 DataFrame API 作業

在目前的目錄下建立 quickstart.py 檔案,並寫入以下內容。

import pyflink.dataframe as pf
from pyflink.dataframe import col


def main():
    pf.config.set("parallelism.default", "1")

    sales = pf.from_records(
        [
            (1, "book", 42),
            (2, "book", 78),
            (3, "food", 120),
            (4, "game", 35),
            (5, "book", 52),
        ],
        schema=["user_id", "item", "amount"],
    )

    result = (
        sales.with_column("bonus_amount", col("amount") + 10)
        .filter(col("amount") >= 50)
        .rename({"item": "category"})
        .select("user_id", "category", "amount", "bonus_amount")
    )

    result.write_generic(connector="print", options={"logger": True})


if __name__ == "__main__":
    main()

部署作業

作業開發完成後,您可以通過以下方式部署作業:

  1. 登入Realtime Compute控制台,進入目標工作空間。

  2. 在左側導覽列選擇 檔案管理,上傳 quickstart.py。

  3. 在營運中心 > 作業營運頁面,單擊部署作業 > Python作業,填寫部署資訊。

    • 部署模式:可選擇流模式或批模式。

    • 部署名稱:輸入部署名稱,如 quickstart。

    • 引擎版本:請選擇 vvr-11.8-jdk11-flink-1.20。

    • Python檔案地址:選擇已上傳的 quickstart.py。

  4. 單擊部署。

啟動作業

  1. 在營運中心 > 作業營運頁面的下拉式清單中,選擇流作業或批作業。

  2. 在目標作業名稱右側,單擊操作列下的啟動。

  3. 在右側彈出的視窗中,單擊啟動。

驗證結果

該作業使用Print連接器將結果列印到Task Manager日誌。作業結束後,您可以查看日誌驗證結果:

  1. 在營運中心 > 作業營運頁面的下拉式清單中,選擇流作業或批作業。

  2. 單擊目標作業的名稱。

  3. 單擊作業日誌。

  4. 單擊Task Managers頁簽,在當前 TaskManager下拉式清單中,選擇 task manager。

日誌中包含以下資料時,表示作業已經運行成功:

+I[2, book, 78, 88]
+I[3, food, 120, 130]
+I[5, book, 52, 62]