如何将Flink中的时间窗口保存为文本文件？

Question

我开始在Java的ApacheFlink中工作。

我的目标是在一分钟的时间窗口中使用一个ApacheKafka主题，这将应用非常基本的信息，并将每个窗口的结果记录在一个文件中。

到目前为止，我成功地将文本转换简化应用于我接收的内容，我应该使用apply或process来写入文件，但窗口的结果我有点迷失。

到目前为止，这是我的代码

package myflink;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import java.time.ZoneId;
import java.util.Date;
import java.util.Properties;
import org.apache.flink.api.java.tuple.Tuple;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.api.java.tuple.Tuple3;
import org.apache.flink.shaded.akka.org.jboss.netty.channel.ExceptionEvent;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.functions.windowing.AllWindowFunction;
import org.apache.flink.streaming.api.functions.windowing.ProcessAllWindowFunction;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.watermark.Watermark;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.util.Collector;
import scala.util.parsing.json.JSONObject;
public class BatchJob {
    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment  env = StreamExecutionEnvironment.getExecutionEnvironment();
        Properties properties = new Properties();
        properties.setProperty("bootstrap.servers", "localhost:9092");
        properties.setProperty("zookeeper.connect", "localhost:2181");
        properties.setProperty("group.id", "test");
        properties.setProperty("auto.offset.reset", "latest");
        FlinkKafkaConsumer consumer = new FlinkKafkaConsumer("topic-basic-test", new SimpleStringSchema(), properties);
        DataStream<String> data = env.addSource(consumer);
        data.flatMap(new JSONparse()).timeWindowAll(Time.minutes(1))."NEXT ??" .print()
        System.out.println("Hola usuario 2");
        env.execute("Flink Batch Java API Skeleton");
    }
    public static class JSONparse implements FlatMapFunction<String, Tuple2<String, String>> {
        @Override
        public void flatMap(String s, Collector<Tuple2<String, String>> collector) throws Exception {
            System.out.println(s);
            s = s + "ACA PODES JUGAR NDEAH";
            collector.collect(new Tuple2<String,String>("M",s));
        }
    }
}

Answer 1

如果您希望将每个一分钟窗口的结果保存到它自己的文件中，那么可以考虑将StreamingFileSink与一分钟存储桶一起使用--这应该可以完成您正在寻找的任务，或者非常接近。

我认为您最终会为每个窗口创建一个目录，其中包含该窗口的每个并行实例中的一个文件--但是当您使用不并行操作的timeWindowAll时，每个存储桶将只有一个文件，除非结果太大而导致文件翻转。

顺便说一句，在FlatMap中进行JSON解析的性能会相当差，因为这将最终为每个事件实例化一个新的解析器，这反过来又会导致相当多的GC活动。最好使用RichFlatMap并在open()方法中创建一个解析器，您可以为每个事件重用该解析器。更好的是，使用JSONKeyValueDeserializationSchema而不是SimpleStringSchema，并让kafka连接器为您处理json解析。