Flink处理函数实战之五（CoProcessFunction(双流处理)） _function

万事须己运，他得非我贤。这篇文章主要讲述Flink处理函数实战之五：CoProcessFunction(双流处理)相关的知识，希望能为你提供帮助。
欢迎访问我的GitHub
本篇概览

本文是《Flink处理函数实战》系列的第五篇，学习内容是如何同时处理两个数据源的数据；
试想在面对两个输入流时，如果这两个流的数据之间有业务关系，该如何编码实现呢，例如下图中的操作，同时监听9998和9999端口，将收到的输出分别处理后，再由同一个sink处理(打印)：

文章图片
Flink支持的方式是扩展CoProcessFunction来处理，为了更清楚认识，我们把KeyedProcessFunction和CoProcessFunction的类图摆在一起看，如下所示：

文章图片
从上图可见，CoProcessFunction和KeyedProcessFunction的继承关系一样，另外CoProcessFunction自身也很简单，在processElement1和processElement2中分别处理两个上游流入的数据即可，并且也支持定时器设置；

编码实战

接下来咱们开发一个应用来体验CoProcessFunction，功能非常简单，描述如下：
1. 建两个数据源，数据分别来自本地9998和9999端口；
2. 每个端口收到类似aaa,123这样的数据，转成Tuple2实例，f0是aaa，f1是123；
3. 在CoProcessFunction的实现类中，对每个数据源的数据都打日志，然后全部传到下游算子；
4. 下游操作是打印，因此9998和9999端口收到的所有数据都会在控制台打印出来；
5. 整个demo的功能如下图所示：
  
  文章图片
接下来编码实现上述功能；

源码下载

如果您不想写代码，整个系列的源码可在GitHub下载到，地址和链接信息如下表所示(https://github.com/zq2599/blog_demos)：

名称	链接	备注
项目主页	https://github.com/zq2599/blog_demos	该项目在GitHub上的主页
git仓库地址(https)	https://github.com/zq2599/blog_demos.git	该项目源码的仓库地址，https协议
git仓库地址(ssh)	git@github.com:zq2599/blog_demos.git	该项目源码的仓库地址，ssh协议

这个git项目中有多个文件夹，本章的应用在flinkstudy文件夹下，如下图红框所示：

文章图片
Map算子
1. 做一个map算子，用来将字符串aaa,123转成Tuple2实例，f0是aaa，f1是123；
2. 算子名为WordCountMap.java：
  package com.bolingcavalry.coprocessfunction;

import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.StringUtils;
public class WordCountMap implements MapFunction< String, Tuple2< String, Integer> > @Override
br/>@Override

if(StringUtils.isNullOrWhitespaceOnly(s)) System.out.println("invalid line"); return null; String[] array = s.split(","); if(null==array || array.length< 2) System.out.println("invalid line for array"); return null; return new Tuple2< > (array[0], Integer.valueOf(array[1]));

### 便于扩展的抽象类 - 开发一个抽象类，将前面图中提到的监听端口、map处理、keyby处理、打印都做到这个抽象类中，但是CoProcessFunction的逻辑却不放在这里，而是交给子类来实现，这样如果我们想进一步实践和扩展CoProcessFunction的能力，只要在子类中专注做好CoProcessFunction相关开发即可，如下图，红色部分交给子类实现，其余的都是抽象类完成的： ![在这里插入图片描述](https://s4.51cto.com/images/blog/202204/06175412_624d63442c57033416.png?x-oss-process=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=) - 抽象类AbstractCoProcessFunctionExecutor.java，源码如下，稍后会说明几个关键点： ```java package com.bolingcavalry.coprocessfunction; import org.apache.flink.api.java.tuple.Tuple; import org.apache.flink.api.java.tuple.Tuple2; import org.apache.flink.streaming.api.datastream.KeyedStream; import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator; import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment; import org.apache.flink.streaming.api.functions.co.CoProcessFunction; /** * @author will * @email zq2599@gmail.com * @date 2020-11-09 17:33 * @description 串起整个逻辑的执行类，用于体验CoProcessFunction */ public abstract class AbstractCoProcessFunctionExecutor /** * 返回CoProcessFunction的实例，这个方法留给子类实现 * @return */ protected abstract CoProcessFunction< Tuple2< String, Integer> , Tuple2< String, Integer> , Tuple2< String, Integer> > getCoProcessFunctionInstance(); /** * 监听根据指定的端口， * 得到的数据先通过map转为Tuple2实例， * 给元素加入时间戳， * 再按f0字段分区， * 将分区后的KeyedStream返回 * @param port * @return */ protected KeyedStream< Tuple2< String, Integer> , Tuple> buildStreamFromSocket(StreamExecutionEnvironment env, int port) return env // 监听端口 .socketTextStream("localhost", port) // 得到的字符串"aaa,3"转成Tuple2实例，f0="aaa"，f1=3 .map(new WordCountMap()) // 将单词作为key分区 .keyBy(0); /** * 如果子类有侧输出需要处理，请重写此方法，会在主流程执行完毕后被调用 */ protected void doSideOutput(SingleOutputStreamOperator< Tuple2< String, Integer> > mainDataStream) /** * 执行业务的方法 * @throws Exception */ public void execute() throws Exception final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); // 并行度1 env.setParallelism(1); // 监听9998端口的输入 KeyedStream< Tuple2< String, Integer> , Tuple> stream1 = buildStreamFromSocket(env, 9998); // 监听9999端口的输入 KeyedStream< Tuple2< String, Integer> , Tuple> stream2 = buildStreamFromSocket(env, 9999); SingleOutputStreamOperator< Tuple2< String, Integer> > mainDataStream = stream1 // 两个流连接 .connect(stream2) // 执行低阶处理函数，具体处理逻辑在子类中实现 .process(getCoProcessFunctionInstance()); // 将低阶处理函数输出的元素全部打印出来 mainDataStream.print(); // 侧输出相关逻辑，子类有侧输出需求时重写此方法 doSideOutput(mainDataStream); // 执行 env.execute("ProcessFunction demo : CoProcessFunction");

关键点之一：一共有两个数据源，每个源的处理逻辑都封装到buildStreamFromSocket方法中；
关键点之二：stream1.connect(stream2) 将两个流连接起来；
关键点之三：process接收CoProcessFunction实例，合并后的流的处理逻辑就在这里面；
关键点之四：getCoProcessFunctionInstance是抽象方法，返回CoProcessFunction实例，交给子类实现，所以CoProcessFunction中做什么事情完全由子类决定；
关键点之五：doSideOutput方法中啥也没做，但是在主流程代码的末尾会被调用，如果子类有侧输出(SideOutput)的需求，重写此方法即可，此方法的入参是处理过的数据集，可以从这里取得侧输出；

子类决定CoProcessFunction的功能

子类CollectEveryOne.java如下所示，逻辑很简单，将每个源的上游数据直接输出到下游算子：
package com.bolingcavalry.coprocessfunction;

import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.functions.co.CoProcessFunction;
import org.apache.flink.util.Collector;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
public class CollectEveryOne extends AbstractCoProcessFunctionExecutor

private static final Logger logger = LoggerFactory.getLogger(CollectEveryOne.class); @Override protected CoProcessFunction< Tuple2< String, Integer> , Tuple2< String, Integer> , Tuple2< String, Integer> > getCoProcessFunctionInstance() return new CoProcessFunction< Tuple2< String, Integer> , Tuple2< String, Integer> , Tuple2< String, Integer> > () @Override public void processElement1(Tuple2< String, Integer> value, Context ctx, Collector< Tuple2< String, Integer> > out) logger.info("处理1号流的元素：,", value); out.collect(value); @Override public void processElement2(Tuple2< String, Integer> value, Context ctx, Collector< Tuple2< String, Integer> > out) logger.info("处理2号流的元素：", value); out.collect(value); ; public static void main(String[] args) throws Exception new CollectEveryOne().execute();

【Flink处理函数实战之五（CoProcessFunction(双流处理)）】

2. 上述代码中，CoProcessFunction后面的泛型定义很长：< Tuple2< String, Integer> , Tuple2< String, Integer> , Tuple2< String, Integer> > ，一共三个Tuple2，分别代表一号数据源输入、二号数据源输入、下游输出的类型； ### 验证 1. 分别开启本机的**9998**和**9999**端口，我这里是MacBook，执行**nc -l 9998**和**nc -l 9999** 2. 启动Flink应用，如果您和我一样是Mac电脑，直接运行**CollectEveryOne.main**方法即可（如果是windows电脑，我这没试过，不过做成jar在线部署也是可以的）； 3. 在监听9998和9999端口的控制台分别输入**aaa,111**和**bbb,222** 4. 以下是flink控制台输出的内容，可见processElement1和processElement1方法的日志代码已经执行，并且print方法作为最下游，将两个数据源的数据都打印出来了，符合预期： ```shell 12:45:38,774 INFO CollectEveryOne - 处理1号流的元素：(aaa,111), (aaa,111) 12:45:43,816 INFO CollectEveryOne - 处理2号流的元素：(bbb,222) (bbb,222)