Flink之SourceFuction

SourceFunction

自定义数据源，通常使用RichParallelSourceFunciton作为父类，实现open、run、cancel三个方法

方法名	作用
open	初始化信息
run	一般使用死循环不断输出数据
cancel	销毁资源

package flink.sourcefunction
import org.apache.flink.streaming.api.functions.source.{RichParallelSourceFunction, SourceFunction}
import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.api.scala._
import org.apache.flink.configuration.Configuration

//scala 版
class RandomSourceFunction extends RichParallelSourceFunction[String]{
  @volatile private var running = true
  //初始化资源
  override def open(parameters: Configuration): Unit = {
    super.open(parameters)
    //初始化资源...
  }

  //随机生成数字作为数据源
  override def run(ctx: SourceFunction.SourceContext[String]): Unit = {
    //获取getRuntimeContext
    val number = getRuntimeContext.getNumberOfParallelSubtasks
    val index = getRuntimeContext.getIndexOfThisSubtask

    //打印出number和index
    println("这是自定义数据源,number = " + number + " ,index= " + index)
    while(running){
      val random = scala.util.Random.nextInt(100)
      random/(index+1) match {
          //当设置为TimeCharacteristic#EventTime时可使用collectWithTimestamp
        case 0 => ctx.collect(String.valueOf(random))
        case _ =>
      }
    }
  }
  //空实现
  override def cancel(): Unit = {
    //停止输出数据
    running = false
    //销毁资源...
  }
}

 

1、getRuntimeContext. getIndexOfThisSubtask 可以得到当前SubTask的index，借此可实现不同的index以不同的方式获取数据或者按某种规则划分数据给相应的index

随机数random模index为0时才会做为源数据emit出去

random/index match {
    //当设置为TimeCharacteristic#EventTime时可使用collectWithTimestamp
    case 0 => ctx.collect(String.valueOf(random))
    case _ => println(_)
}

2、线程模型：默认情况下每个SouceFunction实例由其独有线程执行run方法，即不会多个线程并行执行同一个实例run方法的情况，可以理解为单线程执行。

与CheckpointedFunction

一般情况与CheckpointedFunction同时使用，保证source的高可用。这里需要注意的是checkpoint与emit是不能并行执行的，只能串行化执行。在使用的锁对象的时候一定要使用SourceContext.getCheckpointLock锁对象，这是Flink中的全局锁对象。(备注：1.10以上的版本使用MaixBox后checkpointLock并发模式除了数据源还在用，其它情况下都不使用了)

//java 版
public void run(SourceContext ctx) {
      while (isRunning && count < 1000) {
      // this synchronized block ensures that state checkpointing,
      // internal state updates and emission of elements are an atomic operation
      synchronized (ctx.getCheckpointLock()) {
      ctx.collect(count);
      count++;
       }
   }
}

FlinkKafkaConsumer

线程模型