我想将 DataStream 转换为带有架构信息的 DataStream
输入
args[0] 数据流
{"fields":["China","Beijing"]}
args[1] 架构
message spark_schema {
optional binary country (UTF8);
optional binary city (UTF8);
}
预期输出
{"country":"china", "city":"beijing"}
我的代码是这样的
public DataStream<String> convert(DataStream source, MessageType messageType) {
SingleOutputStreamOperator<String> dataWithSchema = source.map((MapFunction<Row, String>) row -> {
JSONObject data = new JSONObject();
this.fields = messageType.getFields().stream().map(Type::getName).collect(Collectors.toList());
for (int i = 0; i < fields.size(); i++) {
data.put(fields.get(i), row.getField(i));
}
return data.toJSONString();
});
return dataWithSchema;
}
异常错误
Exception in thread "main" org.apache.flink.api.common.InvalidProgramException: Object com.xxxx.ParquetDataSourceReader$$Lambda$64/1174881426@d78795 is not serializable
at org.apache.flink.api.java.ClosureCleaner.ensureSerializable(ClosureCleaner.java:180)
at org.apache.flink.streaming.api.environment.StreamExecutionEnvironment.clean(StreamExecutionEnvironment.java:1823)
at org.apache.flink.streaming.api.datastream.DataStream.clean(DataStream.java:188)
at org.apache.flink.streaming.api.datastream.DataStream.map(DataStream.java:590)
但是下面的代码工作正常
public DataStream<String> convert(DataStream source, MessageType messageType) {
if (this.fields == null) {
throw new RuntimeException("The schema of AbstractRowStreamReader is null");
}
List<String> field = messageType.getFields().stream().map(Type::getName).collect(Collectors.toList());
SingleOutputStreamOperator<String> dataWithSchema = source.map((MapFunction<Row, String>) row -> {
JSONObject data = new JSONObject();
for (int i = 0; i < field.size(); i++) {
data.put(field.get(i), row.getField(i));
}
return data.toJSONString();
});
return dataWithSchema;
}
Flink的map算子如何组合外部复杂的POJO?
最佳答案
为了让 Flink 跨任务分发代码,代码需要完整 Serializable
。在你的第一个例子中,它不是;第二个是。特别是Type::getName
将生成一个不是 Serializable
的 lambda .
获得一个 lambda Serializable
,您需要将其显式转换为可序列化接口(interface)(例如 Flink MapFunction
)或将其与 (Serializable & Function)
一起使用
由于第二个也可以节省计算量,因此无论如何它都会更好。 Convert 在作业编译期间只会执行一次,而 DataStream#map
为每条记录调用。如果不清楚,我建议在 IDE 中执行它并使用断点。
关于java - Flink DataStream如何将自定义的POJO合并到另一个DataStream中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60573782/