2. 环境搭建：Flink本地开发环境安装与第一个WordCount程序

本章是进入Flink流处理实战的第一步。我们将完成从零搭建本地开发环境，包括JDK、Maven、Flink的安装与配置，IntelliJ IDEA的工程设置，并运行经典的WordCount程序验证环境正确性。一个稳定、一致的环境是后续量化回测坏账率哨兵系统开发的基础。

2.1 环境依赖与版本对照

为避免版本冲突，建议严格按照下表组合安装。本课程基于Flink 1.17.x稳定版，JDK采用Java 8（1.8）或Java 11，Maven使用3.8+。

2.2 安装步骤详解

2.2.1 JDK安装与配置

1. 下载JDK： 从Oracle或Adoptium（推荐）下载JDK 8或11的安装包。
2. 安装： 默认路径安装，Windows建议安装在 C:\Java\jdk1.8.0_202，macOS/Linux通常解压到 /usr/local/java/。
3. 配置环境变量：
   • JAVA_HOME：指向JDK安装根目录。
   • PATH：追加 %JAVA_HOME%\bin（Windows）或 $JAVA_HOME/bin（Linux/macOS）。
4. 验证： 终端执行 java -version，输出应显示版本号且无错误。

2.2.2 Maven安装与配置

1. 下载： 从Apache Maven官网下载二进制zip/tar.gz包。
2. 解压： 解压到无中文、无空格的目录，如 C:\maven\apache-maven-3.8.6。
3. 配置环境变量：
   • MAVEN_HOME：指向Maven解压目录。
   • PATH：追加 %MAVEN_HOME%\bin。
4. 配置阿里云镜像（国内加速）： 修改 conf/settings.xml，在 <mirrors> 内添加：

<mirror>
  <id>aliyunmaven</id>
  <mirrorOf>central</mirrorOf>
  <name>阿里云公共仓库</name>
  <url>https://maven.aliyun.com/repository/public</url>
</mirror>

5. 验证： 执行 mvn -version，确认Maven版本及Java Home路径正确。

2.2.3 Flink本地模式安装

1. 下载： 从Flink官网下载 flink-1.17.2-bin-scala_2.12.tgz。
2. 解压： 解压到本地目录，如 C:\flink\flink-1.17.2。
3. 启动集群： 进入 bin 目录，执行 start-cluster.bat（Windows）或 ./start-cluster.sh（Linux/macOS）。
4. 验证： 浏览器访问 http://localhost:8081，应看到Flink Web Dashboard界面，显示JobManager和TaskManager状态。

2.3 IDE配置与项目创建

2.3.1 IntelliJ IDEA配置

• 安装插件： 确保已安装 Maven 和 Scala 插件（Flink DataStream API常用Java，但部分场景需Scala支持）。
• 配置JDK： File → Project Structure → SDKs，添加已安装的JDK 1.8或11。
• 配置Maven： File → Settings → Build, Execution, Deployment → Build Tools → Maven，设置Maven home path为本地Maven目录，勾选 Always update snapshots。

2.3.2 创建Flink Maven项目

1. 新建项目： File → New → Project → Maven，勾选 Create from archetype。
2. 添加Archetype： 点击 Add Archetype，输入：
   • GroupId: org.apache.flink
   • ArtifactId: flink-quickstart-java
   • Version: 1.17.2
3. 填写项目坐标： GroupId: com.quant.risk，ArtifactId: flink-sentinel。
4. 等待依赖下载： IDEA自动解析pom.xml，下载Flink核心依赖（flink-java、flink-streaming-java等）。

2.4 第一个Flink WordCount程序

WordCount是Flink的“Hello World”，用于验证环境是否完整可用。下面实现一个从TCP socket读取文本流、实时统计单词出现次数的程序。

2.4.1 程序代码

package com.quant.risk;

import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;

public class SocketWindowWordCount {

    public static void main(String[] args) throws Exception {

        // 1. 创建流处理执行环境
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        // 2. 从本地socket读取数据流（端口9999）
        DataStream<String> text = env.socketTextStream("localhost", 9999, "\n");

        // 3. 数据转换：切分单词，映射为 (word, 1)
        DataStream<Tuple2<String, Integer>> wordCounts = text
                .flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
                    @Override
                    public void flatMap(String value, Collector<Tuple2<String, Integer>> out) {
                        for (String word : value.split("\\s")) {
                            if (word.length() > 0) {
                                out.collect(new Tuple2<>(word, 1));
                            }
                        }
                    }
                })
                .keyBy(value -> value.f0)
                .sum(1);

        // 4. 打印结果到控制台
        wordCounts.print();

        // 5. 执行任务
        env.execute("Socket Window WordCount");
    }
}

2.4.2 运行步骤

1. 启动socket数据源： 在终端执行 nc -lk 9999（Linux/macOS）或使用 ncat -lk 9999（Windows需安装Ncat）。
2. 运行Flink程序： 在IDEA中右键 SocketWindowWordCount → Run。
3. 输入数据： 在nc终端输入单词，如 flink flink wordcount，观察IDEA控制台输出。
4. 预期输出： 类似 (flink,1) (flink,2) (wordcount,1)，每输入一行即触发增量统计。

2.5 环境架构总览

下图展示了本地开发环境中各组件的关系：IDEA作为开发IDE，通过Maven管理Flink依赖；Flink以Standalone模式运行在本地JVM中；WordCount程序从外部socket读取数据，经过Flink DataStream处理，最终输出到控制台。

2.6 环境验证清单

完成上述步骤后，使用下表逐项确认环境就绪，避免后续开发中出现“环境问题”导致的排查困难。