Flink 广播变量在实时处理程序中扮演着很重要的角色，适当的使用广播变量会大大提升程序处理效率。
本文从简单的 demo 场景出发，引入生产中实际的需求并提出思路与部分示例代码，应对一般需求应该没有什么问题，话不多说，赶紧来看看这篇干货满满的广播程序使用实战吧。
1 啥是广播
Flink 支持广播变量，允许在每台机器上保留一个只读的缓存变量，数据存在内存中，在不同的 task 所在的节点上的都能获取到，可以减少大量的 shuffle 操作。
换句话说，广播变量可以理解为一个公共的共享变量，可以把一个 dataset 的数据集广播出去，然后不同的 task 在节点上都能够获取到，这个数据在每个节点上只会存在一份。
如果不使用 broadcast，则在每个节点中的每个 task 中都需要拷贝一份 dataset 数据集，比较浪费内存 （也就是一个节点中可能会存在多份 dataset 数据）
2 用法总结
//1 初始化数据 DataSet<Integer> toBroadcast = env.fromElements(1,2,3) //2 广播数据 api withBroadcastSet(toBroadcast,"broadcastSetName") //3 获取数据 Collection<integer> broadcastSet = getRuntimeContext().getBroadcastVariable("broadcastSetName");
注意：
广播变量由于要常驻内存，程序结束时才会失效，所以数据量不宜过大
广播变量广播在初始化后不支持修改 （修改场景也有办法）
3 基础案例演示
基础案例广播变量使用
这种场景下广播变量就是加载参数表，参数表不会变化，记住第二部分常用总结公式即可。
/** * @author 大数据江湖 * @version 1.0 * @date 2021/5/17. * */ public class BaseBroadCast { /** * broadcast广播变量 * 需求： * flink会从数据源中获取到用户的姓名 * 最终需要把用户的姓名和年龄信息打印出来 * 分析： * 所以就需要在中间的map处理的时候获取用户的年龄信息 * 建议吧用户的关系数据集使用广播变量进行处理 * */ public static void main(String[] args) throws Exception { //获取运行环境 ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(); //1：准备需要广播的数据 ArrayList<Tuple2<String, Integer>> broadData = new ArrayList<>(); broadData.add(new Tuple2<>("zs", 18)); broadData.add(new Tuple2<>("ls", 20)); broadData.add(new Tuple2<>("ww", 17)); DataSet<Tuple2<String, Integer>> tupleData = env.fromCollection(broadData); //1.1:处理需要广播的数据,把数据集转换成map类型，map中的key就是用户姓名，value就是用户年龄 DataSet<HashMap<String, Integer>> toBroadcast = tupleData.map(new MapFunction<Tuple2<String, Integer>, HashMap<String, Integer>>() { @Override public HashMap<String, Integer> map(Tuple2<String, Integer> value) throws Exception { HashMap<String, Integer> res = new HashMap<>(); res.put(value.f0, value.f1); return res; } }); //源数据 DataSource<String> data = env.fromElements("zs", "ls", "ww"); //注意：在这里需要使用到RichMapFunction获取广播变量 DataSet<String> result = data.map(new RichMapFunction<String, String>() { List<HashMap<String, Integer>> broadCastMap = new ArrayList<HashMap<String, Integer>>(); HashMap<String, Integer> allMap = new HashMap<String, Integer>(); /** * 这个方法只会执行一次 * 可以在这里实现一些初始化的功能 * 所以，就可以在open方法中获取广播变量数据 */ @Override public void open(Configuration parameters) throws Exception { super.open(parameters); //3:获取广播数据 this.broadCastMap = getRuntimeContext().getBroadcastVariable("broadCastMapName"); for (HashMap map : broadCastMap) { allMap.putAll(map); } } @Override public String map(String value) throws Exception { Integer age = allMap.get(value); return value + "," + age; } }).withBroadcastSet(toBroadcast, "broadCastMapName");//2：执行广播数据的操作 result.print(); } }
4 生产案例演示
实际生产中有时候是需要更新广播变量的，但不是实时更新的，一般会设置一个更新周期，几分钟，几小时的都很常见，根据业务而定。
由于广播变量需要更新，解决办法一般是需要将广播变量做成另一个 source，进行流与流之间的 connect 操作，定时刷新广播的source，从而达到广播变量修改的目的。
4.1.1 使用 redis 中的数据作为广播变量的思路：
消费 kafka 中的数据，使用 redis 中的数据作为广播数据，进行数据清洗后 写到 kafka中。
示例代码分为三个部分：kafka 生产者，redis 广播数据源，执行入口类
构建 kafka 生成者，模拟数据 （以下代码的消费消息来源均是此处生产）
/** * 模拟数据源 */ public class kafkaProducer { public static void main(String[] args) throws Exception{ Properties prop = new Properties(); //指定kafka broker地址 prop.put("bootstrap.servers", "10.20.7.20:9092,10.20.7.51:9092,10.20.7.50:9092"); //指定key value的序列化方式 prop.put("key.serializer", StringSerializer.class.getName()); prop.put("value.serializer", StringSerializer.class.getName()); //指定topic名称 String topic = "data_flink_bigdata_test"; //创建producer链接 KafkaProducer<String, String> producer = new KafkaProducer<String,String>(prop); //{"dt":"2018-01-01 10:11:11","countryCode":"US","data":[{"type":"s1","score":0.3,"level":"A"},{"type":"s2","score":0.2,"level":"B"}]} while(true){ String message = "{\"dt\":\""+getCurrentTime()+"\",\"countryCode\":\""+getCountryCode()+"\",\"data\":[{\"type\":\""+getRandomType()+"\",\"score\":"+getRandomScore()+",\"level\":\""+getRandomLevel()+"\"},{\"type\":\""+getRandomType()+"\",\"score\":"+getRandomScore()+",\"level\":\""+getRandomLevel()+"\"}]}"; System.out.println(message); //同步的方式，往Kafka里面生产数据 producer.send(new ProducerRecord<String, String>(topic,message)); Thread.sleep(2000); } //关闭链接 //producer.close(); } public static String getCurrentTime(){ SimpleDateFormat sdf = new SimpleDateFormat("YYYY-MM-dd HH:mm:ss"); return sdf.format(new Date()); } public static String getCountryCode(){ String[] types = {"US","TW","HK","PK","KW","SA","IN"}; Random random = new Random(); int i = random.nextInt(types.length); return types[i]; } public static String getRandomType(){ String[] types = {"s1","s2","s3","s4","s5"}; Random random = new Random(); int i = random.nextInt(types.length); return types[i]; } public static double getRandomScore(){ double[] types = {0.3,0.2,0.1,0.5,0.8}; Random random = new Random(); int i = random.nextInt(types.length); return types[i]; } public static String getRandomLevel(){ String[] types = {"A","A+","B","C","D"}; Random random = new Random(); int i = random.nextInt(types.length); return types[i]; } }
redis 数据作为广播数据
/** * redis中准备的数据源 * source： * * hset areas AREA_US US * hset areas AREA_CT TW,HK * hset areas AREA_AR PK,KW,SA * hset areas AREA_IN IN * * result： * * HashMap * * US，AREA_US * TW，AREA_CT * HK，AREA_CT * */ public class BigDataRedisSource implements SourceFunction<HashMap<String,String>> { private Logger logger= LoggerFactory.getLogger(BigDataRedisSource.class); private Jedis jedis; private boolean isRunning=true; @Override public void run(SourceContext<HashMap<String, String>> cxt) throws Exception { this.jedis = new Jedis("localhost",6379); HashMap<String, String> map = new HashMap<>(); while(isRunning){ try{ map.clear(); Map<String, String> areas = jedis.hgetAll("areas"); /** * AREA_CT TT,AA * * map: * TT,AREA_CT * AA,AREA_CT */ for(Map.Entry<String,String> entry: areas.entrySet()){ String area = entry.getKey(); String value = entry.getValue(); String[] fields = value.split(","); for(String country:fields){ map.put(country,area); } } if(map.size() > 0 ){ cxt.collect(map); } Thread.sleep(60000); }catch (JedisConnectionException e){ logger.error("redis连接异常",e.getCause()); this.jedis = new Jedis("localhost",6379); }catch (Exception e){ logger.error("数据源异常",e.getCause()); } } } @Override public void cancel() { isRunning=false; if(jedis != null){ jedis.close(); } } }
程序入口类
/** * @author 大数据江湖 * @version 1.0 * @date 2021/4/25. * * * 使用 kafka 输出流和 redis 输出流 进行合并清洗 * * */ public class 广播方式1分两个流进行connnect操作 { public static void main(String[] args) throws Exception { //1 获取执行环境 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(3);//并行度取决于 kafka 中的分区数 保持与kafka 一致 //2 设置 checkpoint //开启checkpoint 一分钟一次 env.enableCheckpointing(60000); //设置checkpoint 仅一次语义 env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE); //两次checkpoint的时间间隔 env.getCheckpointConfig().setMinPauseBetweenCheckpoints(5000); //最多只支持1个checkpoint同时执行 env.getCheckpointConfig().setMaxConcurrentCheckpoints(1); //checkpoint超时的时间 env.getCheckpointConfig().setCheckpointTimeout(60000); // 任务失败后也保留 checkPonit数据 env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION); env.setRestartStrategy(RestartStrategies.fixedDelayRestart( 3, // 尝试重启的次数 Time.of(10, TimeUnit.SECONDS) // 间隔 )); // 设置 checkpoint 路径 // env.setStateBackend(new FsStateBackend("hdfs://192.168.123.103:9000/flink/checkpoint")); //3 设置 kafka Flink 消费 //创建 Kafka 消费信息 String topic="data_flink_bigdata_test"; Properties consumerProperties = new Properties(); consumerProperties.put("bootstrap.servers","10.20.7.20:9092,10.20.7.51:9092,10.20.7.50:9092"); consumerProperties.put("group.id","data_test_new_1"); consumerProperties.put("enable.auto.commit", "false"); consumerProperties.put("auto.offset.reset","earliest"); //4 获取 kafka 与 redis 数据源 FlinkKafkaConsumer consumer = new FlinkKafkaConsumer<String>(topic, new SimpleStringSchema(), consumerProperties); DataStreamSource<String> kafkaSourceData = env.addSource(consumer); //直接使用广播的方式 后续作为两个数据流来操作 DataStream<HashMap<String, String>> redisSourceData = env.addSource(new NxRedisSource()).broadcast(); //5 两个数据源进行 ETL 处理 使用 connect 连接处理 SingleOutputStreamOperator<String> etlData = kafkaSourceData.connect(redisSourceData).flatMap(new MyETLProcessFunction()); //6 新创建一个 kafka 生产者 进行发送 String outputTopic="allDataClean"; // 输出给下游 kafka Properties producerProperties = new Properties(); producerProperties.put("bootstrap.servers","10.20.7.20:9092,10.20.7.51:9092,10.20.7.50:9092"); FlinkKafkaProducer<String> producer = new FlinkKafkaProducer<>(outputTopic, new KeyedSerializationSchemaWrapper<String>(new SimpleStringSchema()), producerProperties); etlData.addSink(producer); //7 提交任务执行 env.execute("DataClean"); } /** * in 1 kafka source ： * * {"dt":"2018-01-01 10:11:11","countryCode":"US","data":[{"type":"s1","score":0.3,"level":"A"},{"type":"s2","score":0.2,"level":"B"}]} * * * in 2 redis source * * * US，AREA_US * TW，AREA_CT * HK，AREA_CT * * * * out 合并后的source */ private static class MyETLProcessFunction implements CoFlatMapFunction<String,HashMap<String,String>,String> { //用来存储 redis 中的数据 HashMap<String,String> allMap = new HashMap<String,String>(); @Override public void flatMap1(String line, Collector<String> collector) throws Exception { //将 kafka 数据 按 redis 数据进行替换 // s -> kafka 数据 //allMap -> redis 数据 JSONObject jsonObject = JSONObject.parseObject(line); String dt = jsonObject.getString("dt"); String countryCode = jsonObject.getString("countryCode"); //可以根据countryCode获取大区的名字 String area = allMap.get(countryCode); JSONArray data = jsonObject.getJSONArray("data"); for (int i = 0; i < data.size(); i++) { JSONObject dataObject = data.getJSONObject(i); System.out.println("大区："+area); dataObject.put("dt", dt); dataObject.put("area", area); //下游获取到数据的时候，也就是一个json格式的数据 collector.collect(dataObject.toJSONString()); } } @Override public void flatMap2(HashMap<String, String> stringStringHashMap, Collector<String> collector) throws Exception { //将 redis 中 数据进行赋值 allMap = stringStringHashMap; } } }
4.1.2 使用 MapState 进行广播程序优化：
优化的点在于 （下面代码中 TODO 标识点）：
进行数据广播时需要使用 MapStateDescriptor 进行注册
进行两个流合并处理时 使用 process 函数
处理函数中使用 MapState 来存取 redis 中的数据
/** * @author 大数据江湖 * @version 1.0 * @date 2021/4/25. * <p> * 使用 kafka 输出流和 redis 输出流 进行合并清洗 * <p> * 线上使用的方式 */ public class 广播方式2使用MapState对方式1改造 { public static void main(String[] args) throws Exception { //1 获取执行环境 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(3);//并行度取决于 kafka 中的分区数 保持与kafka 一致 //2 设置 checkpoint //开启checkpoint 一分钟一次 env.enableCheckpointing(60000); //设置checkpoint 仅一次语义 env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE); //两次checkpoint的时间间隔 env.getCheckpointConfig().setMinPauseBetweenCheckpoints(5000); //最多只支持1个checkpoint同时执行 env.getCheckpointConfig().setMaxConcurrentCheckpoints(1); //checkpoint超时的时间 env.getCheckpointConfig().setCheckpointTimeout(60000); // 任务失败后也保留 checkPonit数据 env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION); env.setRestartStrategy(RestartStrategies.fixedDelayRestart( 3, // 尝试重启的次数 Time.of(10, TimeUnit.SECONDS) // 间隔 )); // 设置 checkpoint 路径 //env.setStateBackend(new FsStateBackend("hdfs://192.168.123.103:9000/flink/checkpoint")); //3 设置 kafka Flink 消费 //创建 Kafka 消费信息 String topic = "data_flink_bigdata_test"; Properties consumerProperties = new Properties(); consumerProperties.put("bootstrap.servers", "10.20.7.20:9092,10.20.7.51:9092,10.20.7.50:9092"); consumerProperties.put("group.id", "data_flink_fpy_test_consumer"); consumerProperties.put("enable.auto.commit", "false"); consumerProperties.put("auto.offset.reset", "earliest"); //4 获取 kafka 与 redis 数据源 FlinkKafkaConsumer consumer = new FlinkKafkaConsumer<String>(topic, new SimpleStringSchema(), consumerProperties); DataStreamSource<String> kafkaSourceData = env.addSource(consumer); // 获取 redis 数据源并且进行广播 线上的广播也是 source + 广播方法 MapStateDescriptor<String, String> descriptor = new MapStateDescriptor<String, String>( "RedisBdStream", String.class, String.class ); //5 两个数据源进行 ETL 处理 使用 connect 连接处理 TODO process 替换 FlatMap //TODO 使用 MapState 来进行广播 BroadcastStream<HashMap<String, String>> redisSourceData = env.addSource(new NxRedisSource()).broadcast(descriptor); SingleOutputStreamOperator<String> etlData = kafkaSourceData.connect(redisSourceData).process(new MyETLProcessFunction()); //6 新创建一个 kafka 生产者 进行发送 String outputTopic = "allDataClean"; // 输出给下游 kafka Properties producerProperties = new Properties(); producerProperties.put("bootstrap.servers","10.20.7.20:9092,10.20.7.51:9092,10.20.7.50:9092"); FlinkKafkaProducer<String> producer = new FlinkKafkaProducer<>(outputTopic, new KeyedSerializationSchemaWrapper<String>(new SimpleStringSchema()), producerProperties); etlData.addSink(producer); etlData.print(); //7 提交任务执行 env.execute("DataClean"); } /** * in 1 kafka source * in 2 redis source * <p> * out 合并后的source */ private static class MyETLProcessFunction extends BroadcastProcessFunction<String, HashMap<String, String>, String> { // TODO 注意此处 descriptor 的名称需要与 广播时 （99行代码） 名称一致 MapStateDescriptor<String, String> descriptor = new MapStateDescriptor<String, String>( "RedisBdStream", String.class, String.class ); //逻辑的处理方法 kafka 的数据 @Override public void processElement(String line, ReadOnlyContext readOnlyContext, Collector<String> collector) throws Exception { //将 kafka 数据 按 redis 数据进行替换 // s -> kafka 数据 //allMap -> redis 数据 System.out.println("into processElement "); JSONObject jsonObject = JSONObject.parseObject(line); String dt = jsonObject.getString("dt"); String countryCode = jsonObject.getString("countryCode"); //可以根据countryCode获取大区的名字 // String area = allDataMap.get(countryCode); //TODO 从MapState中获取对应的Code String area = readOnlyContext.getBroadcastState(descriptor).get(countryCode); JSONArray data = jsonObject.getJSONArray("data"); for (int i = 0; i < data.size(); i++) { JSONObject dataObject = data.getJSONObject(i); System.out.println("大区：" + area); dataObject.put("dt", dt); dataObject.put("area", area); //下游获取到数据的时候，也就是一个json格式的数据 collector.collect(dataObject.toJSONString()); } } //广播流的处理方法 @Override public void processBroadcastElement(HashMap<String, String> stringStringHashMap, Context context, Collector<String> collector) throws Exception { // 将接收到的控制数据放到 broadcast state 中 //key , flink // 将 RedisMap中的值放入 MapState 中 for (Map.Entry<String, String> entry : stringStringHashMap.entrySet()) { //TODO 使用 MapState 存储 redis 数据 context.getBroadcastState(descriptor).put(entry.getKey(), entry.getValue()); System.out.println(entry); } } } }
4.2 关系型数据库广播变量案例思路：
需求：
在 flink 流式处理中常常需要加载数据库中的数据作为条件进行数据处理，有些表作为系统表，实时查询效率很低，这时候就需要将这些数据作为广播数据，而同时这些数据可能也需要定期的更新。
思路：
数据库表的广播变量思路同redis等缓存广播数据的思路类似，也是使用 两个source 进行 connect 处理 , 在数据库表的 source 中定时刷新数据就可以了。
不同点在于这里把数据库查询的操作转成另一个工具类，在初始化时使用了静态代码块，在广播时使用了流的 connect 操作。
示例代码分为三个部分：数据库表广播源，数据库操作类，执行入口类
数据库表广播源
/** * @author 大数据江湖 * @Date:2021-5-17 * DB source 源头 进行广播 */ public class BigDataDBBroadSource extends RichSourceFunction<Map<String,Object>> { private final Logger logger = LoggerFactory.getLogger(BigDataDBBroadSource.class); private volatile boolean isRunning = true; public BigDataDBBroadSource() { } @Override public void open(Configuration parameters) throws Exception { super.open(parameters); } @Override public void run(SourceContext<Map<String,Object>> sourceContext) throws Exception { while (isRunning) { //TODO 使用的是一个 DB 源头的 source 60 s 刷新一次 进行往下游发送 TimeUnit.SECONDS.sleep(60); Map<String,Object> map = new HashMap<String,Object>(); //规则匹配关键词 final DbBroadCastListInitUtil.Build ruleListInitUtil = new DbBroadCastListInitUtil.Build(); ruleListInitUtil.reloadRule(); map.put("dbsource", ruleListInitUtil); if(map.size() > 0) { sourceContext.collect(map); } } } @Override public void cancel() { this.isRunning = false; } @Override public void close() throws Exception { super.close(); } }
执行数据库操作类
/** * 数据库规则表初始化 * * @author 大数据江湖 * @Date:2021-5-17 * * US，AREA_US * TW，AREA_CT * HK，AREA_CT * */ public class DbBroadCastListInitUtil implements Serializable { private static final Logger LOG = LoggerFactory.getLogger(DbBroadCastListInitUtil.class); // 数据库规则信息 public static Map<String, String> areasMap = new HashMap<String, String>(); static { LOG.info("初始化 db 模块"); Connection dbConn = null; try { if (dbConn == null || dbConn.isClosed()) { LOG.info("init dbConn start...."); LOG.info("init dbConn end...."); } HashMap<String, String> map = Maps.newHashMap(); map.put("US","AREA_US"); map.put("TW","AREA_CT"); map.put("HK","AREA_CT"); areasMap = map; } catch (Exception e) { LOG.error("init database [status:error]", e); throw new RuntimeException(" static article rule list db select error! , "+e.getMessage()) ; } finally { if(dbConn != null) { try { dbConn.close(); } catch (SQLException e) { LOG.error("dbConn conn close error!",e); } } } } public static class Build { // 数据库规则信息 public static Map<String, String> newAreasMap = new HashMap<String, String>(); public void reloadRule() throws Exception { LOG.info("重新初始化 DB reloadRule 模块"); Connection dbConn = null; try { if (dbConn == null || dbConn.isClosed()) { LOG.info("init dbConn start...."); LOG.info("init dbConn end...."); } HashMap<String, String> map = Maps.newHashMap(); map.put("US","AREA_US"); map.put("TW","AREA_CT"); map.put("HK","AREA_CT"); map.put("AM","AREA_CT"); newAreasMap = map; } catch (Exception e) { LOG.error("init database [status:error]", e); throw e; } finally { if(dbConn != null) { try { dbConn.close(); } catch (SQLException e) { LOG.error("dbConn conn close error!",e); } } } } public static Map<String, String> getNewAreasMap() { return newAreasMap; } } public static Build build() throws Exception { final DbBroadCastListInitUtil.Build build = new DbBroadCastListInitUtil.Build(); build.reloadRule(); return build; } }
程序入口类
/** * @author 大数据江湖 * @version 1.0 * @date 2021/4/25. * <p> * 使用 kafka 输出流和 redis 输出流 进行合并清洗 * <p> * 线上使用的方式 */ public class 广播方式3使用DB对方式广播 { public static void main(String[] args) throws Exception { //1 获取执行环境 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(3);//并行度取决于 kafka 中的分区数 保持与kafka 一致 //2 设置 checkpoint //开启checkpoint 一分钟一次 env.enableCheckpointing(60000); //设置checkpoint 仅一次语义 env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE); //两次checkpoint的时间间隔 env.getCheckpointConfig().setMinPauseBetweenCheckpoints(5000); //最多只支持1个checkpoint同时执行 env.getCheckpointConfig().setMaxConcurrentCheckpoints(1); //checkpoint超时的时间 env.getCheckpointConfig().setCheckpointTimeout(60000); // 任务失败后也保留 checkPonit数据 env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION); env.setRestartStrategy(RestartStrategies.fixedDelayRestart( 3, // 尝试重启的次数 Time.of(10, TimeUnit.SECONDS) // 间隔 )); // 设置 checkpoint 路径 //env.setStateBackend(new FsStateBackend("hdfs://192.168.123.103:9000/flink/checkpoint")); //3 设置 kafka Flink 消费 //创建 Kafka 消费信息 String topic = "data_flink_bigdata_test"; Properties consumerProperties = new Properties(); consumerProperties.put("bootstrap.servers", "10.20.7.20:9092,10.20.7.51:9092,10.20.7.50:9092"); consumerProperties.put("group.id", "data_flink_bigdata_test_consumer"); consumerProperties.put("enable.auto.commit", "false"); consumerProperties.put("auto.offset.reset", "earliest"); //4 获取 kafka 与 redis 数据源 FlinkKafkaConsumer consumer = new FlinkKafkaConsumer<String>(topic, new SimpleStringSchema(), consumerProperties); DataStreamSource<String> kafkaSourceData = env.addSource(consumer); // 获取 redis 数据源并且进行广播 线上的广播也是 source + 广播方法 MapStateDescriptor<String, String> descriptor = new MapStateDescriptor<String, String>( "RedisBdStream", String.class, String.class ); //使用 数据库源 来进行广播 BroadcastStream<Map<String, Object>> broadcast = env.addSource(new BigDataDBBroadSource()).broadcast(descriptor); //5 两个数据源进行 ETL 处理 使用 connect 连接处理 数据库表信息进行广播 SingleOutputStreamOperator<String> etlData = kafkaSourceData.connect(broadcast).process(new MyETLProcessFunction()); //6 新创建一个 kafka 生产者 进行发送 String outputTopic = "allDataClean"; // 输出给下游 kafka /* Properties producerProperties = new Properties(); producerProperties.put("bootstrap.servers","10.20.7.20:9092,10.20.7.51:9092,10.20.7.50:9092"); FlinkKafkaProducer<String> producer = new FlinkKafkaProducer<>(outputTopic, new KeyedSerializationSchemaWrapper<String>(new SimpleStringSchema()), producerProperties); etlData.addSink(producer);*/ etlData.print(); //7 提交任务执行 env.execute("DataClean"); } /** * in 1 kafka source * in 2 redis source * <p> * out 合并后的source * * * TODO 程序启动后发生的事： * * 1 运行 open 方法 ，触发静态方法给 areasMap 赋值 * 2 运行 processElement 方法前， areasMap 肯定是值的，正常进行处理 * 3 当到 BigDataDBBroadSource 轮训的时间后 ，刷新数据库表数据到 areasMap ，此时 areasMap 会加入新值，完成广播变量的更新 * 4 广播变量更新后 继续进行 processElement 数据处理 * */ private static class MyETLProcessFunction extends BroadcastProcessFunction<String, Map<String, Object>, String> { public Map<String, String> areasMap = new HashMap<String, String>(); @Override public void open(Configuration parameters) throws Exception { super.open(parameters); //触发静态方法去赋值 areasMap = DbBroadCastListInitUtil.areasMap; } //逻辑的处理方法 kafka 的数据 @Override public void processElement(String line, ReadOnlyContext readOnlyContext, Collector<String> collector) throws Exception { //将 kafka 数据 按 redis 数据进行替换 // s -> kafka 数据 //allMap -> redis 数据 System.out.println("into processElement "); JSONObject jsonObject = JSONObject.parseObject(line); String dt = jsonObject.getString("dt"); String countryCode = jsonObject.getString("countryCode"); //可以根据countryCode获取大区的名字 // String area = allDataMap.get(countryCode); //从MapState中获取对应的Code String area =areasMap.get(countryCode); JSONArray data = jsonObject.getJSONArray("data"); for (int i = 0; i < data.size(); i++) { JSONObject dataObject = data.getJSONObject(i); System.out.println("大区：" + area); dataObject.put("dt", dt); dataObject.put("area", area); //下游获取到数据的时候，也就是一个json格式的数据 collector.collect(dataObject.toJSONString()); } } @Override public void processBroadcastElement(Map<String, Object> value, Context ctx, Collector<String> out) throws Exception { //广播算子定时刷新后 将数据发送到下游 if (value != null && value.size() > 0) { Object obj = value.getOrDefault("dbsource", null); if (obj != null) { DbBroadCastListInitUtil.Build biulder = (DbBroadCastListInitUtil.Build) obj; //更新了 数据库数据 areasMap = biulder.getNewAreasMap(); System.out.println("数据库刷新算子运行完成！"); } } } } }
注意看最后处理函数启动后发生的事：
运行 open 方法 ，触发数据库操作工具类静态方法给 areasMap 赋值
运行执行类 processElement 方法前，此时 areasMap 肯定是值的，正常进行处理
当到数据库源轮训的时间后 ，刷新数据库表数据到 areasMap ，此时 areasMap 会加入新值，完成广播变量的更新
广播变量更新后 继续进行执行类 processElement 数据处理
至此 广播程序的使用介绍完了, 对于广播数据不需要改变的情况 参考基础样例；对于从缓存或数据库等获取广播变量，同时又需要改变的情况，参考生成样例即可。
PS: 文中代码地址 ---- https://gitee.com/fanpengyi0922/flink-window-broadcast
— THE END —