我使用flink消费kafka，并将它们以Parquet格式保存到hdfs中。现在我发现在我的目标目录中有这么多inprogress文件，当我重新启动flink程序时，它们不会作为目标目录中的文件关闭。
我的环境：
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
env.enableCheckpointing(60000)
env.getCheckpointConfig.setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE)
env.getConfig.registerTypeWithKryoSerializer(classOf[MyMessage],classOf[ProtobufSerializer])
//sinks
val bucketAssigner = new DateTimeBucketAssigner[myCounter]("yyyy-MM-dd", ZoneId.of("Asia/Shanghai"))
val streamingFileSink = StreamingFileSink.
forBulkFormat(path, ParquetAvroWriters.forSpecificRecord(classOf[myCounter]))
.withBucketCheckInterval(60000)
.withBucketAssigner(bucketAssigner).build-rw-r--r-- 3 Administrator hdfs 1629 2019-08-05 17:06 /user/data/2019-08-05/.part-2-0.inprogress.722265d7-1082-4c84-b70d-da2a08092f5d
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 17:07 /user/data/2019-08-05/.part-2-1.inprogress.ac0d8b56-b8f0-4893-9e55-5374b69f16cc
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 17:08 /user/data/2019-08-05/.part-2-2.inprogress.a427c2e2-d689-42b8-aa3d-77873c5654f2
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 17:09 /user/data/2019-08-05/.part-2-3.inprogress.b5c746e3-354d-4ab3-b1a4-8c6bd88ae430
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 16:59 /user/data/2019-08-05/.part-2-3.inprogress.e286d995-3fa7-4696-b51a-27378412a35c
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 17:00 /user/data/2019-08-05/.part-2-4.inprogress.bcde4f30-2f78-4f54-92ad-9bc54ac57c5c
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 17:10 /user/data/2019-08-05/.part-2-4.inprogress.dbce8a00-6514-43dc-8b31-36c5a8665d37
-rw-r--r-- 3 Administrator hdfs 0 2019-08-05 17:10 /user/data/2019-08-05/.part-2-5.inprogress.34e53418-f5af-4279-87ef-6a27549d90fe
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 17:01 /user/data/2019-08-05/.part-2-5.inprogress.936cdb63-4fe2-41bf-b839-2861030c5516
-rw-r--r-- 3 Administrator hdfs 0 2019-08-05 16:55 /user/data/2019-08-05/.part-2-6.inprogress.7a7099a6-9dcd-450b-af2c-8a676276ef0a
-rw-r--r-- 3 Administrator hdfs 0 2019-08-05 17:01 /user/data/2019-08-05/.part-2-6.inprogress.b57f548f-45fc-497c-9807-ef18dba3d11d
-rw-r--r-- 3 Administrator hdfs 1574 2019-08-05 16:56 /user/data/2019-08-05/part-2-0
-rw-r--r-- 3 Administrator hdfs 1868 2019-08-05 16:57 /user/data/2019-08-05/part-2-1
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 16:58 /user/data/2019-08-05/part-2-2
-rw-r--r-- 3 Administrator hdfs 1661 2019-08-05 16:53 /user/data/2019-08-05/part-2-3
-rw-r--r-- 3 Administrator hdfs 1891 2019-08-05 16:54 /user/data/2019-08-05/part-2-4我想原因是我重新启动程序时正在进行的文件没有关闭，我很困惑为什么重新启动后文件不会关闭，甚至新文件也变成了正在进行中的文件。有人能解释一下吗？
2条答案
按热度按时间2guxujil1#
简而言之，就一次。
请先看一下flink官方博客上的这篇文章。
那就让我来解释清楚。
bucketingsink将所有记录写入临时文件，默认情况下后缀为“进行中”。
当该接收器上的检查点时间到来时，flink会将进行中文件的名称保存到检查点；
当提交的时候，flink会将进行中的文件重命名为最终名称，在您的示例中，它们是part-x-x文件。
当您重新启动flink应用程序时，flink作业将从最后一个保存点重新启动（如果您设置了参数），许多未准备好提交的正在进行的文件将被放弃，并且用户永远不会读取（以点开头的文件将不会被hdfs列出）。
当然，我忽略了很多细节，例如，当文件的卷超过配置时，文件将被重命名为.pending文件，等等。
2j4z5cfb2#
您需要使用flink shell提交应用程序，以使应用程序从保存点恢复，如下所示：
./bin/flink run -s <savepointPath> ...，请检查此项以了解更多详细信息。StreamingFileSink将处理进程中的文件。