flink datastream如何将一个自定义pojo组合到另一个datastream中

qxgroojn  于 2021-06-24  发布在  Flink
关注(0)|答案(1)|浏览(428)

我想把一个数据流转换成带有模式信息的数据流
输入
args[0]数据流

{"fields":["China","Beijing"]}

args[1]架构

message spark_schema {
  optional binary country (UTF8);
  optional binary city (UTF8);
}

期望输出

{"country":"china", "city":"beijing"}

我的代码是这样的

public DataStream<String> convert(DataStream source, MessageType messageType) {

        SingleOutputStreamOperator<String> dataWithSchema = source.map((MapFunction<Row, String>) row -> {
            JSONObject data = new JSONObject();
            this.fields = messageType.getFields().stream().map(Type::getName).collect(Collectors.toList());
            for (int i = 0; i < fields.size(); i++) {
                data.put(fields.get(i), row.getField(i));
            }
            return data.toJSONString();
        });
        return dataWithSchema;
    }

异常错误

Exception in thread "main" org.apache.flink.api.common.InvalidProgramException: Object com.xxxx.ParquetDataSourceReader$$Lambda$64/1174881426@d78795 is not serializable
    at org.apache.flink.api.java.ClosureCleaner.ensureSerializable(ClosureCleaner.java:180)
    at org.apache.flink.streaming.api.environment.StreamExecutionEnvironment.clean(StreamExecutionEnvironment.java:1823)
    at org.apache.flink.streaming.api.datastream.DataStream.clean(DataStream.java:188)
    at org.apache.flink.streaming.api.datastream.DataStream.map(DataStream.java:590)

但下面的代码工作正常

public DataStream<String> convert(DataStream source, MessageType messageType) {
        if (this.fields == null) {
            throw new RuntimeException("The schema of AbstractRowStreamReader is null");
        }

        List<String> field = messageType.getFields().stream().map(Type::getName).collect(Collectors.toList());
        SingleOutputStreamOperator<String> dataWithSchema = source.map((MapFunction<Row, String>) row -> {
            JSONObject data = new JSONObject();
            for (int i = 0; i < field.size(); i++) {
                data.put(field.get(i), row.getField(i));
            }
            return data.toJSONString();
        });
        return dataWithSchema;
    }

flinkMap运算符如何组合外部复杂pojo?

carvr3hs

carvr3hs1#

为了让flink在任务间分发代码,代码需要完全独立 Serializable . 在你的第一个例子中,它不是;第二种情况是。特别地, Type::getName 将生成一个 Serializable .
为了得到一只羔羊 Serializable ,您需要显式地将其转换为可序列化的接口(例如flink) MapFunction )或者用石膏 (Serializable & Function) 因为第二种方法也节省了计算量,所以无论如何都会更好。在作业编译期间,转换将只执行一次,而 DataStream#map 为每个记录调用。如果这还不清楚,我建议在ide中执行它并使用断点。

相关问题