3

我试图增强显示流使用的 Flink 示例。我的目标是使用窗口功能（请参阅window函数调用）。我假设下面的代码输出流的最后 3 个数字的总和。（由于nc -lk 9999在 ubuntu 上打开了流）实际上，输出总结了所有输入的数字。切换到时间窗口产生相同的结果，即不产生窗口。

那是一个错误吗？（使用的版本：github 上的最新版主）

object SocketTextStreamWordCount {
  def main(args: Array[String]) {
    val hostName = args(0)
    val port = args(1).toInt
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    // Create streams for names and ages by mapping the inputs to the corresponding objects
    val text = env.socketTextStream(hostName, port)    
    val currentMap = text.flatMap { (x:String) => x.toLowerCase.split("\\W+") }
    .filter { (x:String) => x.nonEmpty }      
    .window(Count.of(3)).every(Time.of(1, TimeUnit.SECONDS))
    //  .window(Time.of(5, TimeUnit.SECONDS)).every(Time.of(1, TimeUnit.SECONDS))
      .map { (x:String) => ("not used; just to have a tuple for the sum", x.toInt) }

    val numberOfItems = currentMap.count
    numberOfItems print
    val counts = currentMap.sum( 1 )
    counts print

    env.execute("Scala SocketTextStreamWordCount Example")
  }
}
4

1 回答 1

5

问题似乎是从WindowedDataStream到的隐式转换DataStream。这种隐式转换调用flatten().WindowedDataStream

在您的情况下发生的情况是代码扩展为：

val currentMap = text.flatMap { (x:String) => x.toLowerCase.split("\\W+") }
    .filter { (x:String) => x.nonEmpty }      
    .window(Count.of(3)).every(Time.of(1, TimeUnit.SECONDS))
    .flatten()   
    .map { (x:String) => ("not used; just to have a tuple for the sum",x.toInt) }

什么flatten()类似于 a flatMap()on a collection。它采用可以被视为集合集合 ( [[a,b,c], [d,e,f]]) 的窗口流并将其转换为元素流：[a,b,c,d,e,f].

这意味着您的计数实际上仅在已窗口化和“去窗口化”的原始流上运行。这看起来好像从来没有被窗口化过。

这是一个问题，我会马上解决这个问题。（我是 Flink 提交者之一。）您可以在此处跟踪进度：https ://issues.apache.org/jira/browse/FLINK-2096

使用当前 API 的方法是：

val currentMap = text.flatMap { (x:String) => x.toLowerCase.split("\\W+") }
    .filter { (x:String) => x.nonEmpty }   
    .map { (x:String) => ("not used; just to have a tuple for the sum",x.toInt) }    
    .window(Count.of(3)).every(Time.of(1, TimeUnit.SECONDS))

WindowedDataStream有一个 sum() 方法，因此不会隐式插入 flatten() 调用。不幸的是，count()不可用，WindowedDataStream因此您必须手动1向元组添加一个字段并计算这些字段。

于 2015-05-26T15:32:58.287 回答