📚 课程目录第3章环境搭建

3. 环境搭建

说实话，学实时数据流，最劝退的就是环境搭建。

Kafka、Flink、Redis，这三个东西单独装都不算难，但要让它们在一个局域网里好好配合，端口不冲突、版本不打架、网络能互通——我当年第一次搞的时候，折腾了整整一个周末。后来我学乖了，直接用 Docker Compose，一条命令拉起所有服务。

这一章，我就带你走一遍我的「标准配置」。你跟着做，半小时内就能跑起来。

  本章目标： 用 Docker Compose 一键部署 Kafka（含 Zookeeper）+ Flink（JobManager + TaskManager）+ Redis，并验证各服务连通性。

3.1 为什么选 Docker Compose？

你可能会问：我直接在本地装不行吗？

行，但我不建议。原因有三：

隔离性：每个服务跑在独立容器里，不会污染你的宿主机。我曾经在 Mac 上装 Kafka，结果和本地的 Java 版本冲突，修了半天。
可复现：写一个 docker-compose.yml，团队里任何人拉下来都能跑出一模一样的环境。你想想看，这比写十页部署文档靠谱多了。
易清理：docker-compose down -v 一键清空，不留痕迹。做实验、搞坏了，重来就是几秒钟的事。

说白了，Docker Compose 就是给本地开发环境用的「基础设施即代码」。你值得拥有。

3.2 整体架构图

先看一眼我们要搭的东西长什么样：

3.3 准备工作

在开始之前，确认你的机器上已经装好了：

Docker：20.10 以上版本。用 docker --version 检查。
Docker Compose：v2 以上。用 docker compose version 检查（注意是空格，不是横线）。

如果你还没装，去官网下载 Docker Desktop 就行，它自带 Compose。我个人习惯用 macOS，但这套配置在 Linux 和 Windows WSL2 上同样跑得很顺。

3.4 编写 docker-compose.yml

这是核心文件。我直接给你一份我项目里常用的版本，注释都写好了：

version: '3.8'

services:
  # ---------- Zookeeper ----------
  zookeeper:
    image: confluentinc/cp-zookeeper:7.4.0
    container_name: zookeeper
    environment:
      ZOOKEEPER_CLIENT_PORT: 2181
      ZOOKEEPER_TICK_TIME: 2000
    ports:
      - "2181:2181"
    networks:
      - realtime-net

  # ---------- Kafka ----------
  kafka:
    image: confluentinc/cp-kafka:7.4.0
    container_name: kafka
    depends_on:
      - zookeeper
    ports:
      - "9092:9092"
    environment:
      KAFKA_BROKER_ID: 1
      KAFKA_ZOOKEEPER_CONNECT: zookeeper:2181
      KAFKA_ADVERTISED_LISTENERS: PLAINTEXT://localhost:9092
      KAFKA_LISTENERS: PLAINTEXT://0.0.0.0:9092
      KAFKA_OFFSETS_TOPIC_REPLICATION_FACTOR: 1
    networks:
      - realtime-net

  # ---------- Flink JobManager ----------
  flink-jobmanager:
    image: flink:1.17.1-scala_2.12
    container_name: flink-jobmanager
    ports:
      - "8081:8081"
    command: jobmanager
    environment:
      - JOB_MANAGER_RPC_ADDRESS=flink-jobmanager
    networks:
      - realtime-net

  # ---------- Flink TaskManager ----------
  flink-taskmanager:
    image: flink:1.17.1-scala_2.12
    container_name: flink-taskmanager
    depends_on:
      - flink-jobmanager
    command: taskmanager
    environment:
      - JOB_MANAGER_RPC_ADDRESS=flink-jobmanager
      - TASK_MANAGER_NUMBER_OF_TASK_SLOTS=2
    networks:
      - realtime-net

  # ---------- Redis ----------
  redis:
    image: redis:7.2-alpine
    container_name: redis
    ports:
      - "6379:6379"
    networks:
      - realtime-net

networks:
  realtime-net:
    driver: bridge

💡 我的习惯： 把 Kafka 和 Flink 的版本固定写死，不要用 latest。我曾经被 latest 坑过一次——某天拉下来发现 API 变了，整个项目跑不起来。版本锁定，是专业选手的基本素养。

3.5 启动服务

把上面的内容保存为 docker-compose.yml，然后在终端里执行：

# 启动所有服务（后台运行）
docker compose up -d

# 查看容器状态
docker compose ps

# 查看实时日志（按 Ctrl+C 退出）
docker compose logs -f

启动后，你会看到类似这样的输出：

NAME                 IMAGE                              STATUS   PORTS
zookeeper            confluentinc/cp-zookeeper:7.4.0    Up       2181/tcp
kafka                confluentinc/cp-kafka:7.4.0        Up       0.0.0.0:9092->9092/tcp
flink-jobmanager     flink:1.17.1-scala_2.12            Up       0.0.0.0:8081->8081/tcp
flink-taskmanager    flink:1.17.1-scala_2.12            Up       6121-6123/tcp
redis                redis:7.2-alpine                   Up       0.0.0.0:6379->6379/tcp

看到所有服务都是 Up 状态，就说明成功了。

3.6 验证连通性

服务跑起来了，但能不能互相通信？我们来验证一下。

3.6.1 验证 Kafka

进入 Kafka 容器，创建一个测试主题：

docker exec -it kafka kafka-topics --create \
  --topic test-topic \
  --bootstrap-server localhost:9092 \
  --partitions 1 \
  --replication-factor 1

然后启动一个生产者，随便发几条消息：

docker exec -it kafka bash -c 'echo "hello realtime" | kafka-console-producer --topic test-topic --bootstrap-server localhost:9092'

再启动消费者看看能不能收到：

docker exec -it kafka kafka-console-consumer \
  --topic test-topic \
  --from-beginning \
  --bootstrap-server localhost:9092

如果看到 hello realtime 打印出来，Kafka 就通了。

3.6.2 验证 Redis

# 进入 Redis 容器
docker exec -it redis redis-cli

# 设置一个键值对
127.0.0.1:6379> set mykey "hello from flink"
OK

# 读取
127.0.0.1:6379> get mykey
"hello from flink"

# 退出
127.0.0.1:6379> exit

3.6.3 验证 Flink UI

打开浏览器，访问 http://localhost:8081。你应该能看到 Flink 的 Web Dashboard，里面显示有一个 TaskManager 在线，2 个 Slot 可用。

⚠️ 避坑指南： 我曾经在 Windows 上遇到 Flink UI 打不开的情况，原因是 Docker Desktop 的端口映射没生效。解决方案：在 Docker Desktop 设置里把 Resources → Network 的 DNS 改成 8.8.8.8，然后重启 Docker。

3.7 常用操作速查表

开发过程中，你肯定会频繁用到这些命令。我整理了一张表，建议你收藏：

操作	命令
启动所有服务	`docker compose up -d`
停止所有服务	`docker compose down`
停止并删除数据卷	`docker compose down -v`
查看日志	`docker compose logs -f [服务名]`
重启某个服务	`docker compose restart [服务名]`
进入容器	`docker exec -it [容器名] bash`

3.8 本章小结

到这里，你的本地开发环境就搭好了。我们有了：

Kafka：消息队列，负责接收和缓存实时数据流。
Flink：流计算引擎，负责处理数据。
Redis：高速缓存，负责存储计算结果。

这三个服务通过 Docker 内部网络互联，你在宿主机上通过映射端口就能访问。接下来几章，我们会基于这个环境，一步步写出第一个实时数据管道。

嗯，环境搭好了，心里就踏实了。后面的事，咱们慢慢来。