CoProcessFunction實戰三部曲之二:狀態處理

程式設計師欣宸發表於2021-07-16

歡迎訪問我的GitHub

https://github.com/zq2599/blog_demos

內容:所有原創文章分類彙總及配套原始碼,涉及Java、Docker、Kubernetes、DevOPS等;

本篇概覽

  • 本文是《CoProcessFunction實戰三部曲》的第二篇,我們們要實戰的是雙流連線場景下,處理一號流中的資料時,還要結合該key在二號流中的情況;
  • 最簡單的例子:aaa在一號流中的value和二號流的value相加,再輸出到下游,如下圖所示,一號流中的value存入state,在二號流中取出並相加,將結果輸出給下游:
    在這裡插入圖片描述
  • 本篇的內容就是編碼實現上圖的功能;

參考文章

理解狀態:《深入瞭解ProcessFunction的狀態操作(Flink-1.10)》

原始碼下載

如果您不想寫程式碼,整個系列的原始碼可在GitHub下載到,地址和連結資訊如下表所示(https://github.com/zq2599/blog_demos):

名稱 連結 備註
專案主頁 https://github.com/zq2599/blog_demos 該專案在GitHub上的主頁
git倉庫地址(https) https://github.com/zq2599/blog_demos.git 該專案原始碼的倉庫地址,https協議
git倉庫地址(ssh) git@github.com:zq2599/blog_demos.git 該專案原始碼的倉庫地址,ssh協議

這個git專案中有多個資料夾,本章的應用在flinkstudy資料夾下,如下圖紅框所示:
在這裡插入圖片描述

編碼

  1. 字串轉Tuple2的Map函式,以及抽象類AbstractCoProcessFunctionExecutor都和上一篇《CoProcessFunction實戰三部曲之一:基本功能》一模一樣;
  2. 新增AbstractCoProcessFunctionExecutor的子類AddTwoSourceValue.java,原始碼如下,稍後會說明幾個關鍵點:
package com.bolingcavalry.coprocessfunction;

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.slf4j.Logger;
import org.slf4j.LoggerFactory;

/**
 * @author will
 * @email zq2599@gmail.com
 * @date 2020-11-11 09:48
 * @description 功能介紹
 */
public class AddTwoSourceValue extends AbstractCoProcessFunctionExecutor {

    private static final Logger logger = LoggerFactory.getLogger(AddTwoSourceValue.class);

    @Override
    protected CoProcessFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, Tuple2<String, Integer>> getCoProcessFunctionInstance() {
        return new CoProcessFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, Tuple2<String, Integer>>() {

            // 某個key在processElement1中存入的狀態
            private ValueState<Integer> state1;

            // 某個key在processElement2中存入的狀態
            private ValueState<Integer> state2;

            @Override
            public void open(Configuration parameters) throws Exception {
                // 初始化狀態
                state1 = getRuntimeContext().getState(new ValueStateDescriptor<>("myState1", Integer.class));
                state2 = getRuntimeContext().getState(new ValueStateDescriptor<>("myState2", Integer.class));
            }

            @Override
            public void processElement1(Tuple2<String, Integer> value, Context ctx, Collector<Tuple2<String, Integer>> out) throws Exception {
                logger.info("處理元素1:{}", value);

                String key = value.f0;

                Integer value2 = state2.value();

                // value2為空,就表示processElement2還沒有處理或這個key,
                // 這時候就把value1儲存起來
                if(null==value2) {
                    logger.info("2號流還未收到過[{}],把1號流收到的值[{}]儲存起來", key, value.f1);
                    state1.update(value.f1);
                } else {
                    logger.info("2號流收到過[{}],值是[{}],現在把兩個值相加後輸出", key, value2);

                    // 輸出一個新的元素到下游節點
                    out.collect(new Tuple2<>(key, value.f1 + value2));

                    // 把2號流的狀態清理掉
                    state2.clear();
                }
            }

            @Override
            public void processElement2(Tuple2<String, Integer> value, Context ctx, Collector<Tuple2<String, Integer>> out) throws Exception {
                logger.info("處理元素2:{}", value);

                String key = value.f0;

                Integer value1 = state1.value();

                // value1為空,就表示processElement1還沒有處理或這個key,
                // 這時候就把value2儲存起來
                if(null==value1) {
                    logger.info("1號流還未收到過[{}],把2號流收到的值[{}]儲存起來", key, value.f1);
                    state2.update(value.f1);
                } else {
                    logger.info("1號流收到過[{}],值是[{}],現在把兩個值相加後輸出", key, value1);

                    // 輸出一個新的元素到下游節點
                    out.collect(new Tuple2<>(key, value.f1 + value1));

                    // 把1號流的狀態清理掉
                    state1.clear();
                }
            }
        };
    }

    public static void main(String[] args) throws Exception {
        new AddTwoSourceValue().execute();
    }
}
  1. 關鍵點之一:對於aaa這個key,無法確定會先出現在一號源還是二號源,如果先出現在一號源,就應該在processElement1中將value儲存在state1中,這樣等到aaa再次出現在二號源時,processElement2就可以從state1中取出一號源的value,相加後輸出到下游;
  2. 關鍵點之二:如果輸出到下游,就表示資料已經處理完畢,此時要把儲存的狀態清理掉;
  3. 如果您想了解低階函式中的狀態存取的更多細節,請參考《深入瞭解ProcessFunction的狀態操作(Flink-1.10)》

驗證

  1. 分別開啟本機的99989999埠,我這裡是MacBook,執行nc -l 9998nc -l 9999
  2. 啟動Flink應用,如果您和我一樣是Mac電腦,直接執行AddTwoSourceValue.main方法即可(如果是windows電腦,我這沒試過,不過做成jar線上部署也是可以的);
  3. 在監聽9998埠的控制檯輸入aaa,111,此時flink控制檯輸出如下,可見processElement1方法中,讀取state2為空,表示aaa在二號流還未出現過,此時的aaa是首次出現,應該放入state中儲存:
22:35:12,135 INFO  AddTwoSourceValue - 處理元素1:(aaa,111)
22:35:12,136 INFO  AddTwoSourceValue - 2號流還未收到過[aaa],把1號流收到的值[111]儲存起來
  1. 在監聽9999埠的控制檯輸入bbb,123,flink日誌如下所示,表示bbb也是首次出現,把值儲存在state中:
22:35:34,473 INFO  AddTwoSourceValue - 處理元素2:(bbb,123)
22:35:34,473 INFO  AddTwoSourceValue - 1號流還未收到過[bbb],把2號流收到的值[123]儲存起來
  1. 在監聽9999埠的控制檯輸入aaa,222,flink日誌如下,很明顯,之前儲存在state中的值被取出來了,因此processElement2方法中,aaa在兩個資料來源的值111和222會被相加後輸出到下游,下游是print,直接列印出來了:
22:35:38,072 INFO  AddTwoSourceValue - 處理元素2:(aaa,222)
22:35:38,072 INFO  AddTwoSourceValue - 1號流收到過[aaa],值是[111],現在把兩個值相加後輸出
(aaa,333)
  • 至此,雙流場景下的狀態互通實踐我們們已經完成了,接下來的文章,會加上定時器和旁路輸出,將雙流場景的資料處理考慮得更加全面;

你不孤單,欣宸原創一路相伴

  1. Java系列
  2. Spring系列
  3. Docker系列
  4. kubernetes系列
  5. 資料庫+中介軟體系列
  6. DevOps系列

歡迎關注公眾號:程式設計師欣宸

微信搜尋「程式設計師欣宸」,我是欣宸,期待與您一同暢遊Java世界...
https://github.com/zq2599/blog_demos

相關文章