以下用例的最佳实践建议是什么？我们需要将流与一组“规则”进行匹配，这些“规则”本质上是一个Flink DataSet概念 . 可以对这个“规则集”进行更新但不经常 . 每个流事件必须针对“规则集”中的所有记录进行检查，并且每个匹配都会将一个或多个事件生成到接收器数据流中 . 规则集中的记录数是在6位数范围内 .
目前，我们只是将规则加载到本地规则列表中，并在传入的DataStream上使用flatMap . 在flatMap中，我们只是迭代一个列表，将每个事件与每个规则进行比较 .
为了加快迭代速度，我们还可以将列表拆分为多个批处理，实质上是创建列表列表，并创建一个单独的线程来迭代每个子列表（使用Java或Scala中的Futures） .
问题：
-
有没有更好的方法来进行这种联接？
-
如果没有，除了Flink已经在做什么之外，通过在每个flatMap操作中创建新线程来添加额外的并行性是否安全？
编辑：这是所要求的示例代码：
package wikiedits
import org.apache.flink.streaming.connectors.wikiedits.{WikipediaEditEvent, WikipediaEditsSource}
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.scala.extensions._
import scala.concurrent.ExecutionContext.Implicits.global
import scala.concurrent.Future
object WikipediaEditEventProcessor {
def main(args: Array[String])= {
val see = StreamExecutionEnvironment.getExecutionEnvironment
val edits = see.addSource(new WikipediaEditsSource())
val ruleSets = Map[Int, List[String]](
(1, List("a", "b", "c", "d", "e", "f", "g", "h", "i", "j")),
(2, List("k", "l", "m", "n", "o", "p", "q", "r", "s", "t")),
(3, List("u", "v", "w", "x", "y", "z", "0", "1", "2", "3"))
)
val result = edits.flatMap { edit =>
ruleSets.map { ruleSet =>
applyRuleSet(edit, ruleSet._2, ruleSet._1)
}
}
see.execute
}
def applyRuleSet(event: WikipediaEditEvent, ruleSet: List[String], ruleSetId: Int): Future[List[String]] = {
val title = event.getTitle
Future(
ruleSet.map {
case rule if title.contains(rule) =>
val result = s"Ruleset $ruleSetId: $rule -> exists in: $title"
println(result) // this would be creating an output event instead
result
case rule =>
val result = s"Ruleset $ruleSetId: $rule -> NO MATCH in: $title"
println(result)
result
}
)
}
}
1 回答
说你有K规则 . 如果输入速率快于处理单个事件的K规则所花费的时间，则您的方法很好 . 否则，您需要一些方法来并行处理这些K规则 .
把它们想象成K收费亭 . 将它们一个接一个地放置，而不是将它们放在单个大房间内 . 这将简化流媒体引擎的工作 .
换句话说，使用简单的for循环来遍历所有规则，并为每个规则分别使用flatMap . 因此，它们中的每一个彼此独立，因此可以并行处理 . 最后你可以使用K flatMaps来执行 . 无论您为执行提供何种配置，引擎都可以使用最大并行度 . 这种方法将最大可能的并行性限制为K.但是，这对于大量规则来说已经足够了 .
完全没有推荐 . 将并行性留给flink . 您可以在flatMap中定义要执行的工作单元 .