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》的终篇，主要内容是在CoProcessFunction中使用定时器和侧输出，对上一篇的功能进行增强；
- 回顾上一篇的功能：一号流收到aaa后保存在状态中，直到二号流收到aaa，把两个aaa的值相加后输出到下游；
- 上述功能有个问题：二号流如果一直收不到aaa，下游就一直没有aaa的输出，相当于进入一号流的aaa已经石沉大海了；
- 今天的实战就是修复上述问题：aaa在一个流中出现后，10秒之内如果出现在另一个流中，就像以前那样值相加，输出到下游，如果10秒内没有出现在另一个流，就流向侧输出，再将所有状态清理干净；
参考文章
- 理解状态：《深入了解ProcessFunction的状态操作(Flink-1.10)》
- 理解定时器：《理解ProcessFunction的Timer逻辑》
梳理流程
- 为了编码的逻辑正确，咱们把正常和异常的流程先梳理清楚；
- 下图是正常流程：aaa在一号流出现后，10秒内又在二号流出现了，于是相加并流向下游：
- 再来看异常的流程，如下图，一号流在16:14:01收到aaa，但二号流一直没有收到aaa，等到10秒后，也就是16:14:11，定时器被触发，从状态1得知10秒前一号流收到过aaa，于是将数据流向一号侧输出：
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：
CoProcessFunction的子类
- 前面的两篇实战中，CoProcessFunction的子类都写成了匿名类，如下图红框：
- 本文中，CoProcessFunction子类会用到外部类的成员变量，因此不能再用匿名类了，新增CoProcessFunction的子类ExecuteWithTimeoutCoProcessFunction.java，稍后会说明几个关键点：
package com.bolingcavalry.coprocessfunction;
import com.bolingcavalry.Utils;
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.apache.flink.util.OutputTag;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
/**
* 实现双流业务逻辑的功能类
*/
public class ExecuteWithTimeoutCoProcessFunction extends CoProcessFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, Tuple2<String, Integer>> {
private static final Logger logger = LoggerFactory.getLogger(ExecuteWithTimeoutCoProcessFunction.class);
/**
* 等待时间
*/
private static final long WAIT_TIME = 10000L;
public ExecuteWithTimeoutCoProcessFunction(OutputTag<String> source1SideOutput, OutputTag<String> source2SideOutput) {
super();
this.source1SideOutput = source1SideOutput;
this.source2SideOutput = source2SideOutput;
}
private OutputTag<String> source1SideOutput;
private OutputTag<String> source2SideOutput;
// 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;
// 如果创建了定时器，就在状态中保存定时器的key
private ValueState<Long> timerState;
// onTimer中拿不到当前key，只能提前保存在状态中（KeyedProcessFunction的OnTimerContext有API可以取到，但是CoProcessFunction的OnTimerContext却没有）
private ValueState<String> currentKeyState;
@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));
timerState = getRuntimeContext().getState(new ValueStateDescriptor<>("timerState", Long.class));
currentKeyState = getRuntimeContext().getState(new ValueStateDescriptor<>("currentKeyState", String.class));
}
/**
* 所有状态都清理掉
*/
private void clearAllState() {
state1.clear();
state2.clear();
currentKeyState.clear();
timerState.clear();
}
@Override
public void processElement1(Tuple2<String, Integer> value, Context ctx, Collector<Tuple2<String, Integer>> out) throws Exception {
logger.info("processElement1：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("processElement1：2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);
currentKeyState.update(key);
// 开始10秒的定时器，10秒后会进入
long timerKey = ctx.timestamp() + WAIT_TIME;
ctx.timerService().registerProcessingTimeTimer(timerKey);
// 保存定时器的key
timerState.update(timerKey);
logger.info("processElement1：创建定时器[{}]，等待2号流接收数据", Utils.time(timerKey));
} else {
logger.info("processElement1：2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));
// 删除定时器（这个定时器应该是processElement2创建的）
long timerKey = timerState.value();
logger.info("processElement1：[{}]的新元素已输出到下游，删除定时器[{}]", key, Utils.time(timerKey));
ctx.timerService().deleteProcessingTimeTimer(timerKey);
clearAllState();
}
}
@Override
public void processElement2(Tuple2<String, Integer> value, Context ctx, Collector<Tuple2<String, Integer>> out) throws Exception {
logger.info("processElement2：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("processElement2：1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);
currentKeyState.update(key);
// 开始10秒的定时器，10秒后会进入
long timerKey = ctx.timestamp() + WAIT_TIME;
ctx.timerService().registerProcessingTimeTimer(timerKey);
// 保存定时器的key
timerState.update(timerKey);
logger.info("processElement2：创建定时器[{}]，等待1号流接收数据", Utils.time(timerKey));
} else {
logger.info("processElement2：1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));
// 删除定时器（这个定时器应该是processElement1创建的）
long timerKey = timerState.value();
logger.info("processElement2：[{}]的新元素已输出到下游，删除定时器[{}]", key, Utils.time(timerKey));
ctx.timerService().deleteProcessingTimeTimer(timerKey);
clearAllState();
}
}
@Override
public void onTimer(long timestamp, OnTimerContext ctx, Collector<Tuple2<String, Integer>> out) throws Exception {
super.onTimer(timestamp, ctx, out);
String key = currentKeyState.value();
// 定时器被触发，意味着此key只在一个中出现过
logger.info("[{}]的定时器[{}]被触发了", key, Utils.time(timestamp));
Integer value1 = state1.value();
Integer value2 = state2.value();
if(null!=value1) {
logger.info("只有1号流收到过[{}]，值为[{}]", key, value1);
// 侧输出
ctx.output(source1SideOutput, "source1 side, key [" + key+ "], value [" + value1 + "]");
}
if(null!=value2) {
logger.info("只有2号流收到过[{}]，值为[{}]", key, value2);
// 侧输出
ctx.output(source2SideOutput, "source2 side, key [" + key+ "], value [" + value2 + "]");
}
clearAllState();
}
}
- 关键点之一：新增状态timerState，用于保存定时器的key；
- 关键点之二：CoProcessFunction的onTimer中拿不到当前key(KeyedProcessFunction可以，其OnTimerContext类提供了API)，因此新增状态currentKeyState，这样在onTimer中就知道当前key了；
- 关键点之三：processElement1中，处理aaa时， 如果2号流还没收到过aaa，就存入状态，并启动10秒定时器；
- 关键点之四：processElement2处理aaa时，发现1号流收到过aaa，就相加再输出到下游，并且删除processElement1中创建的定时器，aaa相关的所有状态也全部清理掉；
- 关键点之五：如果10秒内aaa在两个流中都出现过，那么一定会流入下游并且定时器会被删除，因此，一旦onTimer被执行，意味着aaa只在一个流中出现过，而且已经过去10秒了，此时在onTimer中可以执行流向侧输出的操作；
- 以上就是双流处理的逻辑和代码，接下来编写AbstractCoProcessFunctionExecutor的子类；
业务执行类AddTwoSourceValueWithTimeout
- 负责执行整个功能的，是抽象类AbstractCoProcessFunctionExecutor的子类，如下，稍后会说明几个关键点：
package com.bolingcavalry.coprocessfunction;
import com.bolingcavalry.Utils;
import org.apache.flink.api.java.tuple.Tuple;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.KeyedStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.AssignerWithPeriodicWatermarks;
import org.apache.flink.streaming.api.functions.co.CoProcessFunction;
import org.apache.flink.streaming.api.watermark.Watermark;
import org.apache.flink.util.OutputTag;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
/**
* @author will
* @email zq2599@gmail.com
* @date 2020-11-11 09:48
* @description 将两个流中相通key的value相加，当key在一个流中出现后，
* 会在有限时间内等待它在另一个流中出现，如果超过等待时间任未出现就在旁路输出
*/
public class AddTwoSourceValueWithTimeout extends AbstractCoProcessFunctionExecutor {
private static final Logger logger = LoggerFactory.getLogger(AddTwoSourceValueWithTimeout.class);
// 假设aaa流入1号源后，在2号源超过10秒没有收到aaa，那么1号源的aaa就会流入source1SideOutput
final OutputTag<String> source1SideOutput = new OutputTag<String>("source1-sideoutput"){};
// 假设aaa流入2号源后，如果1号源超过10秒没有收到aaa，那么2号源的aaa就会流入source2SideOutput
final OutputTag<String> source2SideOutput = new OutputTag<String>("source2-sideoutput"){};
/**
* 重写父类的方法，保持父类逻辑不变，仅增加了时间戳分配器，向元素中加入时间戳
* @param port
* @return
*/
@Override
protected KeyedStream<Tuple2<String, Integer>, Tuple> buildStreamFromSocket(StreamExecutionEnvironment env, int port) {
return env
// 监听端口
.socketTextStream("localhost", port)
// 得到的字符串"aaa,3"转成Tuple2实例，f0="aaa"，f1=3
.map(new WordCountMap())
// 设置时间戳分配器，用当前时间作为时间戳
.assignTimestampsAndWatermarks(new AssignerWithPeriodicWatermarks<Tuple2<String, Integer>>() {
@Override
public long extractTimestamp(Tuple2<String, Integer> element, long previousElementTimestamp) {
long timestamp = System.currentTimeMillis();
logger.info("添加时间戳，值：{}，时间戳：{}", element, Utils.time(timestamp));
// 使用当前系统时间作为时间戳
return timestamp;
}
@Override
public Watermark getCurrentWatermark() {
// 本例不需要watermark，返回null
return null;
}
})
// 将单词作为key分区
.keyBy(0);
}
@Override
protected CoProcessFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, Tuple2<String, Integer>> getCoProcessFunctionInstance() {
return new ExecuteWithTimeoutCoProcessFunction(source1SideOutput, source2SideOutput);
}
@Override
protected void doSideOutput(SingleOutputStreamOperator<Tuple2<String, Integer>> mainDataStream) {
// 两个侧输出都直接打印
mainDataStream.getSideOutput(source1SideOutput).print();
mainDataStream.getSideOutput(source2SideOutput).print();
}
public static void main(String[] args) throws Exception {
new AddTwoSourceValueWithTimeout().execute();
}
}
- 关键点之一：增减成员变量source1SideOutput和source2SideOutput，用于侧输出；
- 关键点之二：重写父类的buildStreamFromSocket方法，加了个时间戳分配器，这样每个元素都带有时间戳；
- 关键点之三：重写父类的doSideOutput方法，这里面会把侧输出的数据打印出来；
- 以上就是所有代码了，接下来开始验证；
验证（不超时的操作）
- 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AddTwoSourceValueWithTimeout.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,1，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2号流还未出现过，此时的aaa是首次出现，应该放入state中保存，并且创建了定时器：
18:18:10,472 INFO AddTwoSourceValueWithTimeout - 添加时间戳，值：(aaa,1)，时间戳：2020-11-12 06:18:10
18:18:10,550 INFO ExecuteWithTimeoutCoProcessFunction - processElement1：处理元素1：(aaa,1)
18:18:10,550 INFO ExecuteWithTimeoutCoProcessFunction - processElement1：2号流还未收到过[aaa]，把1号流收到的值[1]保存起来
18:18:10,553 INFO ExecuteWithTimeoutCoProcessFunction - processElement1：创建定时器[2020-11-12 06:18:20]，等待2号流接收数据
- 尽快在监听9999端口的控制台输入aaa,2，flink日志如下所示，可见相加后输出到下游，并且定时器也删除了：
18:18:15,813 INFO AddTwoSourceValueWithTimeout - 添加时间戳，值：(aaa,2)，时间戳：2020-11-12 06:18:15
18:18:15,887 INFO ExecuteWithTimeoutCoProcessFunction - processElement2：处理元素2：(aaa,2)
18:18:15,887 INFO ExecuteWithTimeoutCoProcessFunction - processElement2：1号流收到过[aaa]，值是[1]，现在把两个值相加后输出
(aaa,3)
18:18:15,888 INFO ExecuteWithTimeoutCoProcessFunction - processElement2：[aaa]的新元素已输出到下游，删除定时器[2020-11-12 06:18:20]
验证（超时的操作）
- 前面试过了正常流程，再来试试超时流程是否符合预期；
- 在监听9998端口的控制台输入aaa,1，然后等待十秒，flink控制台输出如下，可见定时器被触发，并且aaa流向了1号流的侧输出：
18:23:37,393 INFO AddTwoSourceValueWithTimeout - 添加时间戳，值：(aaa,1)，时间戳：2020-11-12 06:23:37
18:23:37,417 INFO ExecuteWithTimeoutCoProcessFunction - processElement1：处理元素1：(aaa,1)
18:23:37,417 INFO ExecuteWithTimeoutCoProcessFunction - processElement1：2号流还未收到过[aaa]，把1号流收到的值[1]保存起来
18:23:37,417 INFO ExecuteWithTimeoutCoProcessFunction - processElement1：创建定时器[2020-11-12 06:23:47]，等待2号流接收数据
18:23:47,398 INFO ExecuteWithTimeoutCoProcessFunction - [aaa]的定时器[2020-11-12 06:23:47]被触发了
18:23:47,399 INFO ExecuteWithTimeoutCoProcessFunction - 只有1号流收到过[aaa]，值为[1]
source1 side, key [aaa], value [1]
- 至此，CoProcessFunction实战三部曲已经全部完成了，希望这三次实战能够给您一些参考，帮您更快掌握和理解CoProcessFunction；
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...
