时间戳

首页 > 解决方案 > Flink 中的处理流

apache-flink - Flink 中的处理流

问题描述

我需要按如下方式处理消息：

  1. 每条消息必须不变地通过所有进程。
  2. 如果进程检测到模式匹配，则必须将消息的副本传递给另一个线程。
streamIn -> process1 -> process2 -> .... -> processN
                 \         |                /
                  \        |               /
                     sink to kafka

我尝试使用 OutputTag

 OutputTag<SysmonPartial> filtersOutput = new OutputTag<SysmonPartial>("FiltersOutput"){};

 DataStream<SysmonPartial> kafkaSource = env.addSource(consumer);

        DataStream<SysmonPartial> source = kafkaSource.rebalance();

        SingleOutputStreamOperator<SysmonPartial> s = source
                .process(lambda1).name("lambda1").startNewChain()
                .process(lambda2).name("lambda2").startNewChain()
                .process(lambda3).startNewChain()
                .process(lambda4).startNewChain()
                .process(lambda5).startNewChain()
                .process(lambda6).startNewChain()
                .process(lambda7).startNewChain();

        SingleOutputStreamOperator<Any> output = s
                .getSideOutput(filtersOutput)
                .process(filterProcessFunction).setParallelism(1).startNewChain();

        output.addSink(sink).setParallelism(1);

        env.execute(jobName);

其中 lambda 1、2 等是条件检查函数，例如

public class Bypass_WS_01_03 extends FilterTagFuction<SysmonPartial, SysmonPartial, SysmonPartial> {
    private static final Pattern p_1 = Pattern.compile("pattern1");
    private static final Pattern p_0 = Pattern.compile("pattern2");

    @Override
    public void processElement(SysmonPartial t, Context ctx, Collector<SysmonPartial> out) throws Exception {
        out.collect(t);
        if (
                "1".equals(t.B_VendorEventID) &&
                        t.CommandLine != null && t.CommandLine.length() != 0 && p_0.matcher(t.CommandLine).find() &&
                        t.ImageName != null && t.ImageName.length() != 0 && p_1.matcher(t.ImageName).find()
        ) {
            t.RuleId = "Bypass_WS_01_03";
            ctx.output(getOutputTag(), t);
        }
    }
}

但是由于某种原因它对我不起作用，也许还有其他方法？正如我从文档中了解到的（https://ci.apache.org/projects/flink/flink-docs-stable/dev/stream/side_output.html），OutputTag用于创建标有 Tag 的附加消息。还是我错了？

标签： apache-flinkflink-streaming

解决方案

您连接作业图的方式意味着在您访问侧面输出的作业结束时

SingleOutputStreamOperator<Any> output = s
    .getSideOutput(filtersOutput)

你只会得到最后一个进程函数放在侧面输出上的任何东西——即只有 lambda7 发出的事件。

我相信你打算做的可以表示为

SingleOutputStreamOperator<...> s1 = source.process(lambda1).name("lambda1");
SingleOutputStreamOperator<...> s2 = s1.process(lambda2).name("lambda2");
SingleOutputStreamOperator<...> s3 = s2.process(lambda3);
...

DataStream<...> side1 = s1.getSideOutput(filtersOutput);
DataStream<...> side2 = s2.getSideOutput(filtersOutput);
DataStream<...> side3 = s3.getSideOutput(filtersOutput);
...

SingleOutputStreamOperator<Any> output = side1.union(side2, side3, ...)
    .process(filterProcessFunction)
    ...

另外，我认为您不应该使用startNewChain()（这会禁用运算符链接）。运算符链接是一项有价值的优化，仅应在特殊情况下禁用。

推荐阅读