Apache Flink 中 Join 的输出

Question

在 Apache Flink 中，如果我在一个主键上连接两个数据集，我会得到一个元组 2，其中包含每个数据集中对应的数据集条目。

问题是，当将 map() 方法应用于输出的元组 2 数据集时，它看起来并不好看，尤其是当两个数据集的条目都具有大量特征时。

在两个输入数据集中使用元组得到这样的代码：

var in1: DataSet[(Int, Int, Int, Int, Int)] = /* */
var in2: DataSet[(Int, Int, Int, Int)] = /* */

val out = in1.join(in2).where(0, 1, 2).equalTo(0, 1, 2)
  .map(join => (join._1._1, join._1._2, join._1._3,
                    join._1._4, join._1._5, join._2._4))

我不介意使用 POJO 或 case 类，但我不明白这会如何让它变得更好。

问题 1：有没有一种很好的方法来展平元组 2？例如。使用另一个运算符。

问题 2：如何处理同一个键上的 3 个数据集的连接？这会使示例源更加混乱。

感谢您的帮助。

Answer 1

您可以直接对每对连接元素应用连接函数，例如

val leftData: DataSet[(String, Int, Int)] = ...
val rightData: DataSet[(String, Int)] = ...
val joined: DataSet[(String, Int, Int)] = leftData
      .join(rightData).where(0).equalTo(0) { (l, r) => (l._1, l._2, l._3 + r._2) ) }

要回答第二个问题，Flink 只处理二进制连接。但是，如果您提供有关函数行为的提示，Flink 的优化器可以避免进行不必要的洗牌。 Forward Field annotations 告诉优化器，某些字段（例如连接键）尚未被您的连接函数修改，并允许重用现有的分区和排序。

Apache Flink 中 Join 的输出

Output of Join in Apache Flink

scala

apache-flink