乐趣区

关于云计算:Flink处理函数实战之二ProcessFunction类

作者：

jiezi

在

欢送拜访我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，波及Java、Docker、Kubernetes、DevOPS等；

Flink处理函数实战系列链接

  1. 深刻理解ProcessFunction的状态操作(Flink-1.10)；
  2. ProcessFunction；
  3. KeyedProcessFunction类；
  4. ProcessAllWindowFunction(窗口解决)；
  5. CoProcessFunction(双流解决)；

对于处理函数(Process Function)

如下图，在惯例的业务开发中，SQL、Table API、DataStream API比拟罕用，处于Low-level的Porcession绝对用得较少，从本章开始，咱们一起通过实战来相熟处理函数(Process Function)，看看这一系列的低级算子能够带给咱们哪些能力？

对于ProcessFunction类

处理函数有很多种，最根底的应该ProcessFunction类，来看看它的类图，可见有RichFunction的个性open、close，而后本人有两个重要的办法processElement和onTimer：

罕用个性如下所示：

  1. 解决单个元素；
  2. 拜访工夫戳；
  3. 旁路输入；

接下来写两个利用体验上述性能；

版本信息

  1. 开发环境操作系统：MacBook Pro 13寸， macOS Catalina 10.15.3
  2. 开发工具：IDEA ULTIMATE 2018.3
  3. JDK：1.8.0_211
  4. Maven：3.6.0
  5. Flink：1.9.2

源码下载

如果您不想写代码，整个系列的源码可在GitHub下载到，地址和链接信息如下表所示(https://github.com/zq2599/blo…：

名称 链接 备注
我的项目主页 https://github.com/zq2599/blo… 该我的项目在GitHub上的主页
git仓库地址(https) https://github.com/zq2599/blo… 该我的项目源码的仓库地址，https协定
git仓库地址(ssh) git@github.com:zq2599/blog_demos.git 该我的项目源码的仓库地址，ssh协定

这个git我的项目中有多个文件夹，本章的利用在<font color=”blue”>flinkstudy</font>文件夹下，如下图红框所示：

创立工程

执行以下命令创立一个flink-1.9.2的利用工程：

mvn \
archetype:generate \
-DarchetypeGroupId=org.apache.flink \
-DarchetypeArtifactId=flink-quickstart-java \
-DarchetypeVersion=1.9.2

按提醒输出groupId：com.bolingcavalry，architectid：flinkdemo

第一个demo

第一个demo用来体验以下两个个性：

  1. 解决单个元素；
  2. 拜访工夫戳；

创立Simple.java，内容如下：

package com.bolingcavalry.processfunction;

import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.ProcessFunction;
import org.apache.flink.streaming.api.functions.source.SourceFunction;
import org.apache.flink.util.Collector;

public class Simple {
    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

        // 并行度为1
        env.setParallelism(1);

        // 设置数据源，一共三个元素
        DataStream<Tuple2<String,Integer>> dataStream = env.addSource(new SourceFunction<Tuple2<String, Integer>>() {
            @Override
            public void run(SourceContext<Tuple2<String, Integer>> ctx) throws Exception {
                for(int i=1; i<4; i++) {

                    String name = "name" + i;
                    Integer value = i;
                    long timeStamp = System.currentTimeMillis();

                    // 将将数据和工夫戳打印进去，用来验证数据
                    System.out.println(String.format("source，%s, %d, %d\n",
                            name,
                            value,
                            timeStamp));

                    // 发射一个元素，并且戴上了工夫戳
                    ctx.collectWithTimestamp(new Tuple2<String, Integer>(name, value), timeStamp);

                    // 为了让每个元素的工夫戳不一样，每发射一次就延时10毫秒
                    Thread.sleep(10);
                }
            }

            @Override
            public void cancel() {

            }
        });


        // 过滤值为奇数的元素
        SingleOutputStreamOperator<String> mainDataStream = dataStream
                .process(new ProcessFunction<Tuple2<String, Integer>, String>() {
                    @Override
                    public void processElement(Tuple2<String, Integer> value, Context ctx, Collector<String> out) throws Exception {
                        // f1字段为奇数的元素不会进入下一个算子
                        if(0 == value.f1 % 2) {
                            out.collect(String.format("processElement，%s, %d, %d\n",
                                    value.f0,
                                    value.f1,
                                    ctx.timestamp()));
                        }
                    }
                });

        // 打印后果，证实每个元素的timestamp的确能够在ProcessFunction中获得
        mainDataStream.print();

        env.execute("processfunction demo : simple");
    }
}

这里对上述代码做个介绍：

  1. 创立一个数据源，每个10毫秒收回一个元素，一共三个，类型是Tuple2，f0是个字符串，f1是整形，每个元素都带工夫戳；
  2. 数据源收回元素时，提前把元素的f0、f1、工夫戳打印进去，和前面的数据核查是否统一；
  3. 在前面的解决中，创立了ProcessFunction的匿名子类，外面能够解决上游发来的每个元素，并且还能获得每个元素的工夫戳(这个能力很重要)，而后将f1字段为奇数的元素过滤掉；
  4. 最初将ProcessFunction解决过的数据打印进去，验证处理结果是否合乎预期；

间接执行Simple类，后果如下，可见过滤和提取工夫戳都胜利了：

第二个demo

第二个demo是实现旁路输入(Side Outputs)，对于一个DataStream来说，能够通过旁路输入将数据输入到其余算子中去，而不影响原有的算子的解决，上面来演示旁路输入：

创立SideOutput类：

package com.bolingcavalry.processfunction;

import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.ProcessFunction;
import org.apache.flink.util.Collector;
import org.apache.flink.util.OutputTag;
import java.util.ArrayList;
import java.util.List;

public class SideOutput {
    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        // 并行度为1
        env.setParallelism(1);

        // 定义OutputTag
        final OutputTag<String> outputTag = new OutputTag<String>("side-output"){};

        // 创立一个List，外面有两个Tuple2元素
        List<Tuple2<String, Integer>> list = new ArrayList<>();
        list.add(new Tuple2("aaa", 1));
        list.add(new Tuple2("bbb", 2));
        list.add(new Tuple2("ccc", 3));

        //通过List创立DataStream
        DataStream<Tuple2<String, Integer>> fromCollectionDataStream = env.fromCollection(list);

        //所有元素都进入mainDataStream，f1字段为奇数的元素进入SideOutput
        SingleOutputStreamOperator<String> mainDataStream = fromCollectionDataStream
                .process(new ProcessFunction<Tuple2<String, Integer>, String>() {
                    @Override
                    public void processElement(Tuple2<String, Integer> value, Context ctx, Collector<String> out) throws Exception {

                        //进入主流程的下一个算子
                        out.collect("main, name : " + value.f0 + ", value : " + value.f1);

                        //f1字段为奇数的元素进入SideOutput
                        if(1 == value.f1 % 2) {
                            ctx.output(outputTag, "side, name : " + value.f0 + ", value : " + value.f1);
                        }
                    }
                });

        // 禁止chanin，这样能够在页面上看清楚原始的DAG
        mainDataStream.disableChaining();

        // 获得旁路数据
        DataStream<String> sideDataStream = mainDataStream.getSideOutput(outputTag);

        mainDataStream.print();
        sideDataStream.print();

        env.execute("processfunction demo : sideoutput");
    }
}

这里对上述代码做个介绍：

  1. 数据源是个汇合，类型是Tuple2，f0字段是字符串，f1字段是整形；
  2. ProcessFunction的匿名子类中，将每个元素的f0和f1拼接成字符串，发给主流程算子，再将f1字段为奇数的元素发到旁路输入；
  3. 数据源收回元素时，提前把元素的f0、f1、工夫戳打印进去，和前面的数据核查是否统一；
  4. 将主流程和旁路输入的元素都打印进去，验证处理结果是否合乎预期；

执行SideOutput看后果，如下图，main前缀的都是主流程算子，一共三条记录，side前缀的是旁路输入，只有f1字段为奇数的两条记录，合乎预期：

下面的操作都是在IDEA上执行的，还能够将flink独自部署，再将上述工程构建成jar，提交到flink的jobmanager，可见DAG如下：


至此，处理函数中最简略的ProcessFunction类的学习和实战就实现了，接下来的文章咱们会尝试更多了类型的处理函数；

欢送关注公众号：程序员欣宸

微信搜寻「程序员欣宸」，我是欣宸，期待与您一起畅游Java世界…
https://github.com/zq2599/blog_demos

评论

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理。

更多文章