Flink：如何在一次转换中处理和输出两个数据集？

Question

join 和 coGroup 转换可以读取 2 个输入数据集并输出一个 ("Y" flux)（如果我错了请纠正我）。

我想处理和更新 2 个数据集。为此，我计划使用 2 coGroup 个转换。

但是，出于性能目的，这两个转换是否可以在一个转换中完成 ("H" flux)？

此外，随着数据集的更新，我想对它们进行迭代。如果目前做不到，以后会支持这种改造吗？

Answer 1

所有Flink DataSet算子都只支持单输出，但一个算子的输出可以被后面两个或多个算子消费。

有两种方法可以解决您的问题：

1. 使用单个 CoGroup 计算两个输出的结果，并添加两个 Filter 以过滤掉两个输出之一的记录。如果两个输出具有不同的数据类型，您需要计算 return 类似 Tuple2<FirstType, SecondType> 的东西。这个解决方案看起来像：

    input1--\         /--> Filter_output1 
              CoGroup 
    input2--/         \--> Filter_output2

2. 根据分组键对两个 CoGroup 输入进行分区和排序，并调用两个单独的 CoGroup。每个 CoGroup 计算一个输出。通过在 CoGroup 之前对数据进行排序，可以重复使用分区和排序。重要的是，所有运算符必须使用相同的并行度！

    input1 --> PartitionHash --> SortPartition -\-/-> CoGroup1 --> Output1
                                                 X
    input2 --> PartitionHash --> SortPartition -/-\-> CoGroup2 --> Output2

关于迭代，看看Flink的iteration operators。