欢迎访问我的GitHub
这里分类和汇总了欣宸的全部原创(含配套源码):
https://github.com/zq2599/blog_demos
本篇概览
- 本文是《CoProcessFunction实战三部曲》的第二篇,咱们要实战的是双流连接场景下,处理一号流中的数据时,还要结合该key在二号流中的情况;
- 最简单的例子:aaa在一号流中的value和二号流的value相加,再输出到下游,如下图所示,一号流中的value存入state,在二号流中取出并相加,将结果输出给下游:
![在这里插入图片描述 在这里插入图片描述](https://ucc.alicdn.com/images/user-upload-01/20201111214858213.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGluZ19jYXZhbHJ5,size_16,color_FFFFFF,t_70#pic_center&x-oss-process=image/resize,w_1400/format,webp)
参考文章
源码下载
- 这个git项目中有多个文件夹,本章的应用在flinkstudy文件夹下,如下图红框所示:
![在这里插入图片描述 在这里插入图片描述](https://ucc.alicdn.com/images/user-upload-01/2020052313232779.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGluZ19jYXZhbHJ5,size_16,color_FFFFFF,t_70&x-oss-process=image/resize,w_1400/format,webp)
编码
- 字符串转Tuple2的Map函数,以及抽象类AbstractCoProcessFunctionExecutor都和上一篇《CoProcessFunction实战三部曲之一:基本功能》一模一样;
- 新增AbstractCoProcessFunctionExecutor的子类AddTwoSourceValue.java,源码如下,稍后会说明几个关键点:
package com.bolingcavalry.coprocessfunction;
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.functions.co.CoProcessFunction;
import org.apache.flink.util.Collector;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
/**
* @author will
* @email zq2599@gmail.com
* @date 2020-11-11 09:48
* @description 功能介绍
*/
public class AddTwoSourceValue extends AbstractCoProcessFunctionExecutor {
private static final Logger logger = LoggerFactory.getLogger(AddTwoSourceValue.class);
@Override
protected CoProcessFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, Tuple2<String, Integer>> getCoProcessFunctionInstance() {
return new CoProcessFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, Tuple2<String, Integer>>() {
// 某个key在processElement1中存入的状态
private ValueState<Integer> state1;
// 某个key在processElement2中存入的状态
private ValueState<Integer> state2;
@Override
public void open(Configuration parameters) throws Exception {
// 初始化状态
state1 = getRuntimeContext().getState(new ValueStateDescriptor<>("myState1", Integer.class));
state2 = getRuntimeContext().getState(new ValueStateDescriptor<>("myState2", Integer.class));
}
@Override
public void processElement1(Tuple2<String, Integer> value, Context ctx, Collector<Tuple2<String, Integer>> out) throws Exception {
logger.info("处理元素1:{}", value);
String key = value.f0;
Integer value2 = state2.value();
// value2为空,就表示processElement2还没有处理或这个key,
// 这时候就把value1保存起来
if(null==value2) {
logger.info("2号流还未收到过[{}],把1号流收到的值[{}]保存起来", key, value.f1);
state1.update(value.f1);
} else {
logger.info("2号流收到过[{}],值是[{}],现在把两个值相加后输出", key, value2);
// 输出一个新的元素到下游节点
out.collect(new Tuple2<>(key, value.f1 + value2));
// 把2号流的状态清理掉
state2.clear();
}
}
@Override
public void processElement2(Tuple2<String, Integer> value, Context ctx, Collector<Tuple2<String, Integer>> out) throws Exception {
logger.info("处理元素2:{}", value);
String key = value.f0;
Integer value1 = state1.value();
// value1为空,就表示processElement1还没有处理或这个key,
// 这时候就把value2保存起来
if(null==value1) {
logger.info("1号流还未收到过[{}],把2号流收到的值[{}]保存起来", key, value.f1);
state2.update(value.f1);
} else {
logger.info("1号流收到过[{}],值是[{}],现在把两个值相加后输出", key, value1);
// 输出一个新的元素到下游节点
out.collect(new Tuple2<>(key, value.f1 + value1));
// 把1号流的状态清理掉
state1.clear();
}
}
};
}
public static void main(String[] args) throws Exception {
new AddTwoSourceValue().execute();
}
}
- 关键点之一:对于aaa这个key,无法确定会先出现在一号源还是二号源,如果先出现在一号源,就应该在processElement1中将value保存在state1中,这样等到aaa再次出现在二号源时,processElement2就可以从state1中取出一号源的value,相加后输出到下游;
- 关键点之二:如果输出到下游,就表示数据已经处理完毕,此时要把保存的状态清理掉;
- 如果您想了解低阶函数中的状态存取的更多细节,请参考《深入了解ProcessFunction的状态操作(Flink-1.10)》
验证
- 分别开启本机的9998和9999端口,我这里是MacBook,执行nc -l 9998和nc -l 9999
- 启动Flink应用,如果您和我一样是Mac电脑,直接运行AddTwoSourceValue.main方法即可(如果是windows电脑,我这没试过,不过做成jar在线部署也是可以的);
- 在监听9998端口的控制台输入aaa,111,此时flink控制台输出如下,可见processElement1方法中,读取state2为空,表示aaa在二号流还未出现过,此时的aaa是首次出现,应该放入state中保存:
22:35:12,135 INFO AddTwoSourceValue - 处理元素1:(aaa,111)
22:35:12,136 INFO AddTwoSourceValue - 2号流还未收到过[aaa],把1号流收到的值[111]保存起来
- 在监听9999端口的控制台输入bbb,123,flink日志如下所示,表示bbb也是首次出现,把值保存在state中:
22:35:34,473 INFO AddTwoSourceValue - 处理元素2:(bbb,123)
22:35:34,473 INFO AddTwoSourceValue - 1号流还未收到过[bbb],把2号流收到的值[123]保存起来
- 在监听9999端口的控制台输入aaa,222,flink日志如下,很明显,之前保存在state中的值被取出来了,因此processElement2方法中,aaa在两个数据源的值111和222会被相加后输出到下游,下游是print,直接打印出来了:
22:35:38,072 INFO AddTwoSourceValue - 处理元素2:(aaa,222)
22:35:38,072 INFO AddTwoSourceValue - 1号流收到过[aaa],值是[111],现在把两个值相加后输出
(aaa,333)
- 至此,双流场景下的状态互通实践咱们已经完成了,接下来的文章,会加上定时器和旁路输出,将双流场景的数据处理考虑得更加全面;
欢迎关注阿里云开发者社区博客:程序员欣宸
学习路上,你不孤单,欣宸原创一路相伴...