java - Apache Spark在updateStateByKey()之后合并

我正在尝试合并两个流，并且其中一个应该是有状态的（例如静态数据且更新不频繁）：

SparkConf conf = new SparkConf().setAppName("Test Application").setMaster("local[*]");
JavaStreamingContext context = new JavaStreamingContext(conf, Durations.seconds(10));
context.checkpoint(".");
JavaDStream<String> dataStream = context.socketTextStream("localhost", 9998);
JavaDStream<String> refDataStream = context.socketTextStream("localhost", 9999);

JavaPairDStream<String, String> pairDataStream = dataStream.mapToPair(e -> {
    String[] tmp = e.split(" ");
    return new Tuple2<>(tmp[0], tmp[1]);
});

JavaPairDStream<String, String> pairRefDataStream = refDataStream.mapToPair(e -> {
    String[] tmp = e.split(" ");
    return new Tuple2<>(tmp[0], tmp[1]);
}).updateStateByKey((Function2<List<String>, Optional<String>, Optional<String>>) (strings, stringOptional) -> {
    if (!strings.isEmpty()) {
        return Optional.of(strings.get(0));
    }
    return Optional.absent();
});

pairDataStream.join(pairRefDataStream).print();


context.start();
context.awaitTermination();

当我在第一个流中写入1 aaa并在第二个流中立即写入1 111时，一切正常，我看到合并的结果。但是，当我在一分钟后将1 bbb写入第一流时，什么也没看到。

我是否正确理解updateStateByKey()的功能？还是我错了？

最佳答案

updateStateByKey完全满足您的要求。特别是如果当前窗口不包含任何数据（strings.isEmpty()），则指示其忘记操作（返回Optional.absent();）：

if (!strings.isEmpty()) {
    return Optional.of(strings.get(0));
}
return Optional.absent();

而您可能想要的是返回以前的状态：

if (!strings.isEmpty()) {
    return Optional.of(strings.get(0));
}
return stringOptional;