生成自己的数据的 Flink 流式传输示例

Question

之前我为 Flink 询问了一个简单的 hello world example。这给了我一些很好的例子！

但是，我想要求一个更“流式”的示例，我们每秒生成一个输入值。理想情况下，这将是随机的，但即使每次都是相同的值也可以。

目标是在没有/最少的外部接触的情况下获得“移动”的流。

因此我的问题是：

如何在没有外部依赖的情况下显示 Flink 实际流数据？

我找到了如何通过在外部生成数据并写入 Kafka 或收听公共源来显示这一点，但是我试图以最小的依赖来解决它（比如从 Nifi 中的 GenerateFlowFile 开始）。

Answer 1

这是一个例子。这是作为如何使您的源和接收器可插入的示例而构建的。这个想法是，在开发中您可能会使用随机源并打印结果，对于测试，您可能会使用输入事件的硬连线列表并将结果收集到列表中，而在生产中您将使用真实的源和接收器。

这是工作：

/*
 * Example showing how to make sources and sinks pluggable in your application code so
 * you can inject special test sources and test sinks in your tests.
 */

public class TestableStreamingJob {
    private SourceFunction<Long> source;
    private SinkFunction<Long> sink;

    public TestableStreamingJob(SourceFunction<Long> source, SinkFunction<Long> sink) {
        this.source = source;
        this.sink = sink;
    }

    public void execute() throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream<Long> LongStream =
                env.addSource(source)
                        .returns(TypeInformation.of(Long.class));

        LongStream
                .map(new IncrementMapFunction())
                .addSink(sink);

        env.execute();
    }

    public static void main(String[] args) throws Exception {
        TestableStreamingJob job = new TestableStreamingJob(new RandomLongSource(), new PrintSinkFunction<>());
        job.execute();
    }

    // While it's tempting for something this simple, avoid using anonymous classes or lambdas
    // for any business logic you might want to unit test.
    public class IncrementMapFunction implements MapFunction<Long, Long> {

        @Override
        public Long map(Long record) throws Exception {
            return record + 1 ;
        }
    }

}

这是RandomLongSource：

public class RandomLongSource extends RichParallelSourceFunction<Long> {

    private volatile boolean cancelled = false;
    private Random random;

    @Override
    public void open(Configuration parameters) throws Exception {
        super.open(parameters);
        random = new Random();
    }

    @Override
    public void run(SourceContext<Long> ctx) throws Exception {
        while (!cancelled) {
            Long nextLong = random.nextLong();
            synchronized (ctx.getCheckpointLock()) {
                ctx.collect(nextLong);
            }
        }
    }

    @Override
    public void cancel() {
        cancelled = true;
    }
}