flink SourceFunction<> 正在 StreamExecutionEnvironment.addSource() 中被替换?

flink SourceFunction<> is being replaced in StreamExecutionEnvironment.addSource()?

我 运行 在尝试创建自定义事件源时遇到了这个问题。其中包含一个队列,允许我的其他进程向其中添加项目。然后期望我的 CEP 模式在匹配时打印一些调试消息。

但是无论我向队列中添加什么,都没有匹配项。然后我注意到 mySource.run() 里面的队列总是空的。这意味着我用来创建 mySource 实例的队列与 StreamExecutionEnvironment 中的队列不同。如果我将队列更改为静态,强制所有实例共享同一个队列,一切都会按预期进行。

DummySource.java

    public class DummySource implements SourceFunction<String> {

    private static final long serialVersionUID = 3978123556403297086L;
//  private static Queue<String> queue = new LinkedBlockingQueue<String>();
    private Queue<String> queue;
    private boolean cancel = false;

    public void setQueue(Queue<String> q){
        queue = q;
    }   

    @Override
    public void run(org.apache.flink.streaming.api.functions.source.SourceFunction.SourceContext<String> ctx)
            throws Exception {
        System.out.println("run");
        synchronized (queue) {          
            while (!cancel) {
                if (queue.peek() != null) {
                    String e = queue.poll();
                    if (e.equals("exit")) {
                        cancel();
                    }
                    System.out.println("collect "+e);
                    ctx.collectWithTimestamp(e, System.currentTimeMillis());
                }
            }
        }
    }

    @Override
    public void cancel() {
        System.out.println("canceled");
        cancel = true;
    }
}

所以我深入研究了StreamExecutionEnvironment的源代码。在 addSource() 方法中。有一个 clean() 方法,它看起来像是将实例替换为新实例。

Returns a "closure-cleaned" version of the given function.

这是为什么?为什么需要序列化? 我还尝试使用 getConfig() 关闭干净的闭包。结果还是一样。我的队列实例与 env 使用的不同。

如何解决这个问题?

Flink中函数使用的clean()方法主要是保证Function(如SourceFunction、MapFunction)可序列化。 Flink 会将这些函数序列化并分发到任务节点上执行。

对于 Flink 主代码中的简单变量,例如 int,您可以在函数中简单地引用它们。但对于大型或不可序列化的,最好使用广播和丰富的源功能。请参考https://cwiki.apache.org/confluence/display/FLINK/Variables+Closures+vs.+Broadcast+Variables