apache-flink - 弗林克 : How to process and output two datasets in a single transformation?

Question

join 和 coGroup 转换可以读取 2 个输入数据集并输出一个(“Y”通量)(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转换。

但是，出于性能目的，这两种转换是否可以在一个(“H”通量)中完成？

此外，随着数据集的更新，我想对它们进行迭代。如果目前无法实现，您是否计划在 future 支持这种转型？

Answer 1

所有 Flink DataSet 算子都只支持单个输出，但是一个算子的输出可以被后面的两个或多个算子消费。

有两种方法可以解决您的问题:

使用单个 CoGroup 计算两个输出的结果，并添加两个过滤器，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，则需要计算类似 Tuple2<FirstType, SecondType> 的返回值。 .这个解决方案看起来像:

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

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性!

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

关于迭代，看看 Flink 的 iteration operators .