假设flink每秒接收1000条tweet流，在这个过程中的某个地方，它需要将它们归类为垃圾邮件或非垃圾邮件。我有一个集群，例如20台机器，通过restapi提供“分类”微服务，它们可以提供每秒10k tweets的最大吞吐量，延迟为3秒。这意味着在最坏的情况下，我可能会有3万条推特在飞，这没关系。我猜要使用flink提供的服务，实现应该是这样的：

public class Classifier implements MapFunction<Tweet, TweetWithClass> {
  @Override
  public TweetWithClass map(Tweet tweet) {
    TweetWithClass twc = new TweetWithClass(tweet);
    twc.classes = (new Post('http://my.classifier.com', data = tweet.body)).bodyAsStringArrayFromJson();
    return twc;
  }
}

DataSet<TweetWithClass> outTweets = inTweets.map(new Classifier()).setParallelism(30000);

现在，考虑到这个api，我猜flink除了启动30k线程之外别无选择，这可能会很糟糕。我在flink使用netty的源代码中看到，我猜它可以通过使用异步调用更有效地支持此操作。。。如果存在虚构的美丽的netty、flink和java api，则看起来像这样：

public class Classifier implements MapFunction<Tweet, TweetWithClass> {
  @Override
  public Future<TweetWithClass> map(Tweet tweet) {
    Future<String[]> classes = (new NettyPost('http://my.classifier.com', data = tweet.body)).asyncBodyAsStringArrayFromJson();
    return classes.onGet( (String[] classes) -> new TweetWithClass(tweet, twc.classes) );
  }
}

DataSet<TweetWithClass> outTweets = inTweets.nettyMap(new Classifier()).setMaxParallelism(30000);

有没有一种方法可以在flink中使用很少的线程来使用异步调用来获得巨大的可伸缩性？