我有一个flink的用例,我需要从一个文件中读取信息,存储每一行,然后使用这个状态过滤另一个流。
我现在正在和 connect
操作员和a RichCoFlatMapFunction
,但感觉太复杂了。还有,我担心 flatMap2
可以在从文件加载所有状态之前开始执行:
fileStream
.connect(partRecordStream.keyBy((KeySelector<PartRecord, String>) partRecord -> partRecord.getPartId()))
.keyBy((KeySelector<String, String>) partId -> partId, (KeySelector<PartRecord, String>) partRecord -> partRecord.getPartId())
.flatMap(new RichCoFlatMapFunction<String, PartRecord, PartRecord>() {
private transient ValueState<String> storedPartId;
@Override
public void flatMap1(String partId, Collector<PartRecord> out) throws Exception {
// store state
storedPartId.update(partId);
}
@Override
public void flatMap2(PartRecord record, Collector<PartRecord> out) throws Exception {
if (record.getPartId().equals(storedPartId.value())) {
out.collect(record);
} else {
// do nothing
}
}
@Override
public void open(Configuration parameters) throws Exception {
ValueStateDescriptor<String> descriptor =
new ValueStateDescriptor<>(
"partId", // the state name
TypeInformation.of(new TypeHint<String>() {}),
null);
storedPartId = getRuntimeContext().getState(descriptor);
}
});
有没有更好的方法(从flink1.1.3开始)来完成这种加载状态模式,然后在随后的流中使用它?
1条答案
按热度按时间ffx8fchx1#
你对
CoFlatMapFunction
是正确的。顺序flatMap1
以及flatMap2
无法控制调用的,并且依赖于数据到达的顺序。所以,flatMap2
可能在读取所有数据之前调用flatMap1
.在Flink1.1.3中,在开始处理流之前读取所有数据的唯一方法是使用
open()
a方法RichFlatMapFunction
,即您必须手动读取和解析文件。这基本上是一种广播连接策略,也就是说,操作符的每个并行示例都会这样做。缺点是文件的数据将被复制。这样做的好处是,您不必洗牌“主”流(无需使用
keyBy()
).