通过git拉取到fire源码后，需要开发者将集群环境信息配置到fire框架中，该配置文件位于fire-core/src/main/resources/cluster.properties。如何配置请参考：fire配置手册。配置完成后，即可通过maven进行编译打包，建议将fire的包deploy到公司的私服，方便团队共用。
fire框架提供一种代码结构，基于该结构有助于为spark或flink程序进行一定的代码梳理，便于形成统一的编程风格，利于团队协作、排查问题。
import com.zto.fire._
import com.zto.fire.flink.BaseFlinkStreaming
/**
* Flink流式计算任务模板
*/
object Test extends BaseFlinkStreaming {
override def process: Unit = {
val dstream = this.fire.createKafkaDirectStream()
dstream.print
// 提交flink streaming任务，job名称不指定默认当前类名
this.fire.start
}
def main(args: Array[String]): Unit = {
// 根据配置信息自动创建fire变量、StreamExecutionEnvironment、StreamTableEnvironment等
this.init()
}
}从以上代码片段中可以看到，引入fire框架大体分为5个步骤：
无论是spark还是flink任务，都需要引入以下的隐式转换，该隐式转换提供了众多简单易用的api。
import com.zto.fire._ fire框架针对不同的引擎、不同的场景提供了对应的父类，用户需要根据实际情况去继承：
1. spark引擎父类列表：
SparkStreaming：适用于进行Spark Streaming任务的开发
BaseSparkCore：适用于进行Spark批处理任务的开发
BaseStructuredStreaming：适用于进行Spark Structured Streaming任务的开发
2. flink引擎父类列表：
BaseFlinkStreaming：适用于进行flink流式计算任务的开发
BaseFlinkBatch：适用于进行flink批处理任务的开发
实时任务有一个特点就是一个任务一个类，由于缺少统一的规范，用户进行实时任务开发时，会将很多业务代码写到main方法中，导致main方法过胖。由此带来的问题是代码难以阅读、难以维护。另外，在进行代码开发时，难以避免重复的写初始化spark或flink引擎相关的上下文信息。为了解决以上问题，fire框架将引擎上下文初始化简化成了一行代码，并建议在main方法中只做初始化动作，业务逻辑则放到process方法中。
def main(args: Array[String]): Unit = {
// 根据任务同名的配置文件进行引擎上下文的初始化
this.init()
}上述代码适用于spark或flink引擎，对于个性化的初始化需求，可以将一些参数信息放到任务同名的配置文件中。该配置文件会在初始化之前自动被加载，然后设置到SparkSession或flink的environment中。
为了解决main方法“过胖”的问题，fire父类中统一约定了process方法，该方法会被fire框架自动调用，用户无需在代码中主动调用该方法。process方法作为业务逻辑的聚集地，是业务逻辑的开始。
override def process: Unit = {
val dstream = this.fire.createKafkaDirectStream()
dstream.print
// 提交streaming任务
this.fire.start
}当然，如果业务逻辑很复杂，可以进一步抽取，然后在process中调用即可。
将配置信息硬编码到代码中是很不好的做法，为了让程序足够灵活，代码足够简洁，fire框架约定，每个任务可以有一个与类名同名的配置文件。比如说类名是：Test.scala，则fire框架在init的时候会自动扫描并加载src/main/resources/Test.properties文件。支持配置文件的嵌套结构，比如说在resources下可以进一步创建多个子目录，存放不同类别的配置文件，便于管理。