Apache Flink：如何实现 SourceFunction？

Question

我已经实现了一个SourceFunction，它从一个 URL 中获取数据（一个字符串）。然后我正在处理该数据的keyBy() 并应用 10 分钟的窗口。现在SourceFunction 只被调用一次，windows 对数据运行 10 分钟。如何从SourceFunction 连续获取数据？

DataStream<String> = env.addSource(MySource())   // This runs only once
                        .keyBy(some keyby function)
                        .window(for 10 minutes)  // This runs for 10 minutes for the data obtained once by Source function
                        .process(some process function)

我想在一定的时间间隔内重复运行SourceFunction，让窗口处理不断获取的数据。

Answer 1

您的SourceFunctions run() 方法应该是一个循环，它执行睡眠（或任何其他调度机制）来完成工作。

一种常见的模式是使用某种原子布尔值，您在首次调用 run 时设置为 true，并在调用 cancel 时设置为 false。

所以你的 run 方法中有这样的东西：

while (running) {
   // fetch some data, can be async
   ctx.collect(data);
   Thread.sleep(period);
}

您可以按照您认为合适的方式执行该部分，但重要的是，在您实际完成或被取消之前，您不要退出 SourceFunction 的 run 方法。