richparallelsourcefunction中的水印

hmae6n7t  于 2021-06-21  发布在  Flink
关注(0)|答案(1)|浏览(411)

我正在实现一个sourcefunction,它从数据库中读取数据。如果停止或压碎(即保存点和检查点),作业应该能够恢复,数据只处理一次。
到目前为止我所拥有的:

@SerialVersionUID(1L)
class JDBCSource(private val waitTimeMs: Long) extends 
RichParallelSourceFunction[Event] with StoppableFunction with LazyLogging{

    @transient var client: PostGreClient = _
    @volatile var isRunning: Boolean = true
    val DEFAULT_WAIT_TIME_MS = 1000

    def this(clientConfig: Serializable) =
        this(clientConfig, DEFAULT_WAIT_TIME_MS)

    override def stop(): Unit = {
        this.isRunning = false
    }

    override def open(parameters: Configuration): Unit = {
        super.open(parameters)
        client = new JDBCClient
    }

    override def run(ctx: SourceFunction.SourceContext[Event]): Unit = {

        while (isRunning){
           val statement = client.getConnection.createStatement()
           val resultSet = statement.executeQuery("SELECT name, timestamp FROM MYTABLE")

            while (resultSet.next()) {
                val event: String = resultSet.getString("name")
                val timestamp: Long = resultSet.getLong("timestamp")

                ctx.collectWithTimestamp(new Event(name, timestamp), timestamp)

            }
        }
    }

    override def cancel(): Unit = {
        isRunning = false
    }
}

如何确保只获取数据库中尚未处理的行?我以为 ctx 变量将包含一些有关当前水印的信息,以便我可以将查询更改为以下内容:

select name, timestamp from myTable where timestamp > ctx.getCurrentWaterMark

但对我来说没有任何相关的方法。任何解决这个问题的办法都将不胜感激

yx2lnoni

yx2lnoni1#

您必须实现checkpointedfunction,以便自己管理检查点。这个接口的文档非常全面,但是如果你需要一个例子,我建议你看一个例子。
本质上,你的功能必须实现 CheckpointedFunction#snapshotState 要存储所需的状态,请使用flink的托管状态,然后在执行还原时,它将在中读取相同的状态 CheckpointedFunction#initializeState .

相关问题