在 apache flink 中拆分和加入流

Question

我认为我有一个相当不标准的用例。我想使用filter 函数将我的源流分成几个流：

val dataStream:DataStream[MyEvent] = ...
val s1 = dataStream.filter(...).map(...)
val s2 = dataStream.filter(...).map(...)

我还有一个时间戳提取器（传入的事件将在 XML 中附加一个时间戳）：

env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
...

dataStream.assignTimestampsAndWatermarks(new MyTimestampExtractor)
...

class MyTimestampExtractor extends AssignerWithPunctuatedWatermarks[Elem]
{
  override def checkAndGetNextWatermark(lastElement:Elem, extractedTimestamp:Long):Watermark = new Watermark(extractedTimestamp)
  override def extractTimestamp(element:Elem, previousElementTimestamp:Long):Long = XmlOperations.getDateTime(element, "@timestamp").getMillis
}

我选择了这种方法，而不是简单地做一个流 (val s = dataStream.filter(...).map(...).filter(...).map(...))，因为我想构建一个 network 来拆分/组合任意流（例如 s1+s2->c1, s1 +s3->c2, c2+s4->c3, ...)

现在当通过上面的例子发送事件时，事件 E1 可能会同时出现在 s1 和 s2 中。这意味着，在我看来，相同的事件 E1 作为第一个实例放入 s1 (E1a) 并作为第二个实例放入 s2 (E1b)。

所以我现在要做的就是将 E1a 和 E1b 重新组合成一个类似于 E1 的组合 E1，它同时是 s1 和 s2 的转换。

我试过了：

val c1 = s1.join(s2)
  .where(_.key).equalTo(_.key)
  .window(TumblingEventTimeWindows.of(Time.seconds(10)))
  .apply((e1a, e2b) => { printf("Got e1a and e1b"); e1a })

但是，事件似乎永远不会到达 apply 函数，我无法找出原因。

我的例子有什么问题？我对像这样的流网络的方法/想法是否可行？

Answer 1

你有安排水印吗？当使用事件时间时，只有当水印到达时才会触发一个窗口，该水印将事件时间时钟提前超过窗口的末尾。您可以使用时间戳提取器/水印生成器来执行此操作；有关详细信息，请参阅an example from the documentation。

如果其中一个流有时处于空闲状态，这也会导致问题，因为空闲流上缺少水印会阻碍它连接到的任何流的水印。

根据您要执行的操作，您可能会发现使用 CoProcessFunction 比使用时间窗口连接更容易。请查看 Flink 培训站点中的 stateful enrichment 和 expiring state 上的练习以获取示例。