Flink迷你集群及默认参数简单介绍：

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>() {
            @Override
            public 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>() {
            @Override
            public 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");
    }
}