Flink 能否将结果写入多个文件（如 Hadoop 的 MultipleOutputFormat）？

Question

我正在使用 Apache Flink 的数据集 API。我想实现一个将多个结果写入不同文件的作业。

我该怎么做？

Answer 1

您可以根据需要向 DataSet 程序添加任意数量的数据接收器。

例如在这样的程序中：

ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();

DataSet<Tuple3<String, Long, Long>> data = env.readFromCsv(...);
// apply MapFunction and emit
data.map(new YourMapper()).writeToText("/foo/bar");
// apply FilterFunction and emit
data.filter(new YourFilter()).writeToCsv("/foo/bar2");

您从 CSV 文件中读取了 DataSet data。这个data给后面的两个变换：

到 MapFunction 并将其结果写入文本文件。
到 FilterFunction 并且未过滤的元组被写入 CSV 文件。

您还可以拥有多个数据源以及分支和合并数据集（使用 union、join、coGroup、cross 或广播集）像。

Answer 2

你可以像这样在 Flink 中使用 HadoopOutputFormat API:

class IteblogMultipleTextOutputFormat[K, V] extends MultipleTextOutputFormat[K, V] {
override def generateActualKey(key: K, value: V): K =
  NullWritable.get().asInstanceOf[K]

override def generateFileNameForKeyValue(key: K, value: V, name: String): String =
  key.asInstanceOf[String]
}

我们可以使用 IteblogMultipleTextOutputFormat 如下：

val multipleTextOutputFormat = new IteblogMultipleTextOutputFormat[String, String]()
val jc = new JobConf()
FileOutputFormat.setOutputPath(jc, new Path("hdfs:///user/iteblog/"))
val format = new HadoopOutputFormat[String, String](multipleTextOutputFormat,   jc)
val batch = env.fromCollection(List(("A", "1"), ("A", "2"), ("A", "3"),
  ("B", "1"), ("B", "2"), ("C", "1"), ("D", "2")))
batch.output(format)

更多信息可以看：http://www.iteblog.com/archives/1667

Flink 能否将结果写入多个文件（如 Hadoop 的 MultipleOutputFormat）？

Can Flink write results into multiple files (like Hadoop's MultipleOutputFormat)?

hadoop

apache-flink