【实战-08】 flink自定义Map中的变量的行为

场景

自定义Map或者别的算子的时候，有时候需要定义一些类变量，在flink内部高并发的情况下需要正确理解这些变量的行为

代码

package com.pg.function;

import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.common.functions.RichMapFunction;
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.common.typeinfo.Types;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

import java.util.ArrayList;


public class FlinkFunction {
    //对于自定义函数中的变量，只有内置的状态是完全按照flink内置的 keyBy行为来的
    //如果是自定义的缓存比如ArrayList 则可能不会按照预期的行为
    public static void main(String[] args) throws Exception {
        		final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        		env.setParallelism(2);
        		DataStream<String> dataStream = env.fromElements( "b","b","b","c","c","c","d","d","d");
        		dataStream.keyBy(x->{return x;}).map(new MyMap()).print();
        		env.execute();

    }

}


 class MyMap extends RichMapFunction<String, String> {
    public ArrayList<String> list= new ArrayList<>();
//     public ValueState<Integer> counter;//存储数据条数
//     public ValueState<String> element;//存储临时数据
//     @Override
//     public void open(Configuration parameters) throws Exception {
//         counter = getRuntimeContext().getState(new ValueStateDescriptor<Integer>("counter", Types.INT));
//         element = getRuntimeContext().getState(new ValueStateDescriptor<>("element", Types.STRING));
//     }

    @Override
    public String map(String s) throws Exception {
        list.add(s);
        if(list.size()==2){
            String re = list.toString();
            list.clear();
            return re;
        }else {
            return "null";
        }
//        if (counter.value() == null) {
//            counter.update(1);//遇见第一条数据的时候，计数器为1
//        } else {
//            counter.update(counter.value() + 1);
//        }
//        if (element.value() == null) {
//            element.update(s);//element只存储上一次到来的数据
//        }else {
//            element.update(element.value()+s);
//        }
//        if (counter.value() == 2) {
//            String re = element.value();
//            //发出结果之后清楚状态
//            counter.clear();
//            element.clear();
//            return re;
//        }else {
//            return "null";
//        }

    }
}

分析

keyBy之后，理论上相同key的会在map中用同样的处理逻辑，我们的预期行为是输出：bb,cc,dd

但是用ArrayList实现的逻辑最终输出却是：bb,bc,cc,dd

用ValueState的输出是：bb,cc,dd

这说明了，keBy后的逻辑，ArrayList不会按照预期的行为执行。这是因为在flink中，当多个并发的时候，多个key如果落入同一个线程

则当前线程的valueState是和某一个key绑定的，符合flink预期行为，但是ArrayList以及其它你定义的变量则不做保证, 它是线程级别的局部变量, 这点要注意。