Apache Flink 将 DataStream（源）转换为 List？

Question

我的问题是如何从DataStream转换为List ，例如为了能够遍历它。

代码如下所示：

package flinkoracle;

//imports
//....

public class FlinkOracle {

    final static Logger LOG = LoggerFactory.getLogger(FlinkOracle.class);

    public static void main(String[] args) {
        LOG.info("Starting...");
        // get the execution environment
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        TypeInformation[] fieldTypes = new TypeInformation[]{BasicTypeInfo.STRING_TYPE_INFO,
            BasicTypeInfo.STRING_TYPE_INFO,
            BasicTypeInfo.STRING_TYPE_INFO,
            BasicTypeInfo.STRING_TYPE_INFO};

        RowTypeInfo rowTypeInfo = new RowTypeInfo(fieldTypes);
        //get the source from Oracle DB
        DataStream<?> source = env
                .createInput(JDBCInputFormat.buildJDBCInputFormat()
                        .setDrivername("oracle.jdbc.driver.OracleDriver")
                        .setDBUrl("jdbc:oracle:thin:@localhost:1521")
                        .setUsername("user")
                        .setPassword("password")
                        .setQuery("select * from  table1")
                        .setRowTypeInfo(rowTypeInfo)
                        .finish());

        source.print().setParallelism(1);

        try {
            LOG.info("----------BEGIN----------");
            env.execute();
            LOG.info("----------END----------");
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        LOG.info("End...");
    }

}

提前非常感谢。 兄弟塔马斯

Answer 1

Flink提供了一个迭代器接收器来收集DataStream结果以进行测试和调试。 可以如下使用：

import org.apache.flink.contrib.streaming.DataStreamUtils;

DataStream<Tuple2<String, Integer>> myResult = ...
Iterator<Tuple2<String, Integer>> myOutput = DataStreamUtils.collect(myResult)

您可以将迭代器复制到新列表，如下所示：

while (iter.hasNext())
    list.add(iter.next());

Flink在DataStream上还提供了一堆简单的write *（）方法，这些方法主要用于调试目的。 刷新到目标系统的数据取决于OutputFormat的实现。 这意味着并非所有发送到OutputFormat的元素都会立即显示在目标系统中。 注意：这些write *（）方法不参与Flink的检查点，并且在失败的情况下，这些记录可能会丢失。

writeAsText() / TextOutputFormat
writeAsCsv(...) / CsvOutputFormat
print() / printToErr()
writeUsingOutputFormat() / FileOutputFormat
writeToSocket

来源： link 。

您可能需要添加以下依赖项才能使用DataStreamUtils：

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-streaming-contrib</artifactId>
    <version>0.10.2</version>
</dependency>

Answer 2

在较新的版本中， DataStreamUtils::collect已被弃用。 相反，您可以使用DataStream::executeAndCollect如果给定一个限制，它将返回一个最多该大小的List 。

var list = source.executeAndCollect(100);

如果您不知道有多少元素，或者您只是想遍历结果而不一次将它们全部加载到 memory 中，那么您可以使用无参数版本来获取 a 以获取CloseableIterator

try (var iterator = source.executeAndCollect()) {
  // do something
}