我正在使用 Flink 1.4.0 .
假设我有一个 POJO 具体如下：

public class Rating {
    public String name;
    public String labelA;
    public String labelB;
    public String labelC;
    ...        
}

和一个 JOIN 功能：

public class SetLabelA implements JoinFunction<Tuple2<String, Rating>, Tuple2<String, String>, Tuple2<String, Rating>> {

    @Override
        public Tuple2<String, Rating> join(Tuple2<String, Rating> rating, Tuple2<String, String> labelA) {
        rating.f1.setLabelA(labelA)
        return rating;
    }
}

假设我想申请 JOIN 操作来设置 DataSet<Tuple2<String, Rating>> ，我可以这样做：

DataSet<Tuple2<String, Rating>> ratings = // [...]
DataSet<Tuple2<String, Double>> aLabels = // [...]
DataSet<Tuple2<String, Double>> bLabels = // [...]
DataSet<Tuple2<String, Double>> cLabels = // [...]
...
DataSet<Tuple2<String, Rating>>
            newRatings =
            ratings.leftOuterJoin(aLabels, JoinOperatorBase.JoinHint.REPARTITION_SORT_MERGE)

                   // key of the first input
                   .where("f0")

                   // key of the second input
                   .equalTo("f0")

                   // applying the JoinFunction on joining pairs
                   .with(new SetLabelA());

不幸的是，这是必要的评级和所有 xLabels 它们很大 DataSets 我不得不调查每一个 xlabels 为了找到我需要的字段值，同时不是所有评级键都存在于每个字段中 xlabels .
这实际上意味着我必须执行 leftOuterJoin 每 xlabel ，为此，我还需要创建相应的 JoinFunction 使用来自
Rating POJO .
有没有更有效的方法来解决这个问题，任何人都能想到？
至于分区策略，我已经确保对 DataSet<Tuple2<String, Rating>> ratings 使用：

DataSet<Tuple2<String, Rating>> sorted_ratings = ratings.sortPartition(0, Order.ASCENDING).setParallelism(1);

通过将parallelism设置为1，我可以确保整个数据集都是有序的。然后我使用 .partitionByRange :

DataSet<Tuple2<String, Rating>> partitioned_ratings = sorted_ratings.partitionByRange(0).setParallelism(N);

哪里 N 是我的虚拟机上的内核数。另一个问题是 .setParallelism 如果设置为1，那么就如何执行管道的其余部分而言是有限制的，也就是说，后续 .setParallelism(N) 改变 DataSet 是否已处理？
最后，我做了所有这些所以当 partitioned_ratings 与一个
xlabels DataSet ，将使用 JoinOperatorBase.JoinHint.REPARTITION_SORT_MERGE . 根据 Flink 文档 v.1.4.0 :
重新分区\排序\合并：系统对每个输入进行分区（洗牌）（除非输入已经分区）并对每个输入进行排序（除非输入已经排序）。输入通过排序输入的流式合并连接。如果一个或两个输入都已排序，则此策略是好的。
所以就我而言， ratings 我想是这样的
xlabels DataSets 因此，这是最有效的策略。有什么问题吗？有别的办法吗？