Flink迷你集群是一个轻量级的本地集群，可用于在本地环境中快速开发和测试Flink应用程序。迷你集群不需要任何复杂的配置和管理，只需要提供一个简单的配置即可使用。在启动迷你集群时，必须指定Flink应用程序所需的资源，如TaskManager的数量、内存大小、并行度等。
迷你集群的默认参数通常由Flink框架的配置文件控制。以下是一些常见的默认值：
- singleRpcService: SHARED（默认情况下，所有的RPC服务都共享同一个线程池）
- numTaskManagers: 1（默认情况下使用一个TaskManager节点）
- commonBindAddress: null（默认情况下使用本地地址）
- taskmanager.memory.network.min: 64 mb（TaskManager网络内存的最小值）
- taskmanager.memory.network.max: 64 mb（TaskManager网络内存的最大值）
- taskmanager.memory.managed.size: 128 mb（TaskManager管理内存的默认大小）
- taskmanager.numberOfTaskSlots: 12（每个TaskManager节点的默认任务插槽数量）
- parallelism.default: 1（操作符默认并行度）
- execution.target: local（默认情况下在本地运行）
- execution.runtime-mode: AUTOMATIC（默认情况下自适应选择执行模式）
- taskmanager.cpu.cores: 1.7976931348623157E308（TaskManager可以使用的CPU核心数最大值）
- taskmanager.memory.task.heap.size: 9223372036854775807 bytes（TaskManager堆内存的最大大小）
- taskmanager.memory.task.off-heap.size: 9223372036854775807 bytes（TaskManager堆外内存的最大大小）
- rest.bind-port: 0（默认情况下，REST API将绑定到系统可用端口）
- rest.address: localhost（REST API的默认地址）。
这些参数可以在Flink框架的配置文件中进行修改。在使用迷你集群时，可以使用命令行选项或Java代码覆盖这些默认设置。其中，最常用的命令行选项是-D和-yT。-D选项可以在JVM启动参数中设置要覆盖的配置参数，-yT选项可以从外部文件中加载YAML格式的配置文件。
简单demo代码如下：
import org.apache.flink.api.common.RuntimeExecutionMode;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;public class FlinkDemo {public static void main(String[] args) throws Exception {// 1.准备环境StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();// 设置运行模式env.setRuntimeMode(RuntimeExecutionMode.AUTOMATIC);// 2.加载数据源DataStreamSource<String> elementsSource = env.fromElements("java,scala,php,c++","java,scala,php", "java,scala", "java,c,c++,python,go");// 3.数据转换DataStream<String> flatMap = elementsSource.flatMap(new FlatMapFunction<String, String>() {@Overridepublic void flatMap(String element, Collector<String> out) throws Exception {String[] wordArr = element.split(",");for (String word : wordArr) {out.collect(word);}}});//DataStream 下边为DataStream子类SingleOutputStreamOperator<String> source = flatMap.map(new MapFunction<String, String>() {@Overridepublic String map(String value) throws Exception {return value.toUpperCase();}}).returns(String.class);// 4.数据输出source.print();// 5.执行程序env.execute("FlinkDemo");}
}
