时间戳

首页 > 解决方案 > RichParallelSourceFunction 中的水印

apache-flink - RichParallelSourceFunction 中的水印

问题描述

我正在实现一个 SourceFunction，它从数据库中读取数据。如果停止或崩溃（即保存点和检查点），并且数据只处理一次，该作业应该能够恢复。

到目前为止我所拥有的：

@SerialVersionUID(1L)
class JDBCSource(private val waitTimeMs: Long) extends 
RichParallelSourceFunction[Event] with StoppableFunction with LazyLogging{

    @transient var client: PostGreClient = _
    @volatile var isRunning: Boolean = true
    val DEFAULT_WAIT_TIME_MS = 1000

    def this(clientConfig: Serializable) =
        this(clientConfig, DEFAULT_WAIT_TIME_MS)

    override def stop(): Unit = {
        this.isRunning = false
    }

    override def open(parameters: Configuration): Unit = {
        super.open(parameters)
        client = new JDBCClient
    }

    override def run(ctx: SourceFunction.SourceContext[Event]): Unit = {

        while (isRunning){
           val statement = client.getConnection.createStatement()
           val resultSet = statement.executeQuery("SELECT name, timestamp FROM MYTABLE")

            while (resultSet.next()) {
                val event: String = resultSet.getString("name")
                val timestamp: Long = resultSet.getLong("timestamp")

                ctx.collectWithTimestamp(new Event(name, timestamp), timestamp)

            }
        }
    }

    override def cancel(): Unit = {
        isRunning = false
    }
}

如何确保只获取尚未处理的数据库行？我假设该ctx变量将包含有关当前水印的一些信息，以便我可以将查询更改为：

select name, timestamp from myTable where timestamp > ctx.getCurrentWaterMark

但它对我没有任何相关的方法。任何想法如何解决这个问题将不胜感激

标签： apache-flinkflink-streamingflink-sql

解决方案

您必须实现CheckpointedFunction以便您可以自己管理检查点。该接口的文档非常全面，但如果您需要一个示例，我建议您查看一个示例。

本质上，您的函数必须实现CheckpointedFunction#snapshotState以使用 Flink 的托管状态存储您需要的状态，然后在执行恢复时，它将读取相同的状态CheckpointedFunction#initializeState。

推荐阅读