scala - Apache Flink:使用keyBy/connect维护流中的消息输入顺序

Question

介绍
我正在使用Apache Flink构建一个相当复杂的数据流网络。这个想法是用flink实现一个规则引擎。
作为应用程序的基本描述，这是它应该如何工作的:
数据由kafka使用者源接收，并通过许多数据流进行处理，直到最终将其发送到kafka生产者接收器为止。传入数据包含带有逻辑键(“object-id”)的对象，传入消息可能引用相同的object-id。对于每个给定的对象ID，必须在整个应用程序中保留其传入消息的顺序。整体消息的顺序可以是任意的。
这意味着必须按顺序处理object1的消息a，b和c，但是object2的消息x可以在a1 / b1 / c1之间，之前或之后进行处理。
就我目前的理解而言，这意味着我必须keyBy(_.objectID)，以便按到达的顺序处理同一对象的消息。
目前的方法
为了实现实际的规则引擎，创建了一个流网络。这个想法如下:

每个规则将具有1-n个条件

为每个规则的每个条件创建一个带有.filter(_.matches(rule.condition))的原始流的子流

通过使用substream1.connect(substream2).flatMap(new CombineFunction[MyObject](...))

组合对应于同一规则的所有子流

connect只能加入2个流，因此具有3个条件的规则将导致随后的2次加入

使用相同条件的

规则将重复使用第二步中创建的相同子流。

这将导致n个加入的流，其中n对应于规则数。加入的流将附加一个map函数，该函数会标记该消息，以便我们知道匹配的规则。
每个加入/结果流都可以独立于其他结果将其结果(“规则xyz匹配”)发布到kafka生产者，因此在这一点上，我可以将接收器附加到流中。
连接详细信息
由于两个流(“条件”-子流)的.connect仅必须传递一条消息，因此，如果两个流(^ =两个条件都匹配)都收到了该消息，那么我需要一个具有键控状态的RichCoFlatMapFunction，它可以处理“仅在另一端已经收到时才通过”。
然而，的问题是，流由 object-id 设置了键。那么，如果同一对象的2条消息通过网络运行并到达.connect().map(new RichCoFlatMapFunction...)，会发生什么情况？这将导致错误的输出。
在进入网络时，我需要为每个传入消息分配一个唯一的ID(UUID)，因此我可以在.connect().map()..连接中使用此密钥(而不是object-id)。
但是同时，我需要使用object-id对流进行键控，以便按顺序处理相同对象的消息。该怎么办？
为了解决这个问题，我将输入流保留为keyBy(_.objectID)，但流连接中的RichCoFlatMapFunction不再使用键控状态。取而代之的是，我使用一个简单的运算符状态，该状态保留了已传递对象的映射，但是仅通过手动键/值查找即可实现相同的逻辑。
这似乎可行，但是我不知道这是否会引入更多问题。
可视化
flink GUI将渲染此图像，以显示14条规则的列表，总共包含23个条件(某些规则只有一个条件):


码
使用以下代码可实现网络的创建:

val streamCache = mutable.Map[Int,DataStream[WorkingMemory]]()
val outputNodesCache = ListBuffer[DataStream[WorkingMemory]]()

if (rules.isEmpty)
  return

// create partial streams for all conditions (first level)
// cache the sub-stream with the hashcode of its condition as key (for re-use)

for (rule <- rules if rule.checks.nonEmpty ;
     cond <- rule.checks if !streamCache.contains(cond.hashCode()))
  streamCache += cond.hashCode -> sourceStream.filter(cond.matches _)

// create joined streams for combined conditions (sub-levels)

for (rule <- rules if rule.checks.nonEmpty)
{
  val ruleName = rule.ruleID

  // for each rule, starting with the rule with the least conditions ...

  if (rule.checks.size == 1)
  {
    // ... create exit node if single-condition rule
    // each exit node applies the rule-name to the objects set of matched rules.

    outputNodesCache += streamCache(rule.checks.head.hashCode).map(obj => { obj.matchedRule = ListBuffer((ruleName, rule.objectType.mkString(":"), rule.statement)) ; obj })
  }
  else
  {
    // ... iterate all conditions, and join nodes into full rule-path (reusing existing intermediate paths)

    var sourceStream:DataStream[WorkingMemory] = streamCache(rule.checks.head.hashCode)
    var idString = rule.checks.head.idString

    for (i <- rule.checks.indices)
    {
      if (i == rule.checks.size-1)
      {
        // reached last condition of rule, create exit-node
        // each exit node applies the rule-name to the objects set of matched rules.

        val rn = ruleName
        val objectType = rule.objectType.mkString(":")
        val statement = rule.statement

        outputNodesCache += sourceStream.map(obj => { obj.matchedRule = ListBuffer((rn, objectType, statement)) ; obj })
      }
      else
      {
        // intermediate condition, create normal intermediate node

        val there = rule.checks(i+1)
        val connectStream = streamCache(there.hashCode)

        idString += (":" + there.idString)

        // try to re-use existing tree-segments

        if (streamCache.contains(idString.hashCode))
          sourceStream = streamCache(idString.hashCode)
        else
          sourceStream = sourceStream.connect(connectStream).flatMap(new StatefulCombineFunction(idString))
      }
    }
  }
}

// connect each output-node to the sink

for (stream <- outputNodesCache)
{
  stream.map(wm => RuleEvent.toXml(wm, wm.matchedRule.headOption)).addSink(sink)
}

上一片段中使用的StatefulCombineFunction:

class StatefulCombineFunction(id:String) extends RichCoFlatMapFunction[WorkingMemory, WorkingMemory, WorkingMemory] with CheckpointedFunction
{
  @transient
  private var leftState:ListState[(String, WorkingMemory)] = _
  private var rightState:ListState[(String, WorkingMemory)] = _
  private var bufferedLeft = ListBuffer[(String, WorkingMemory)]()
  private var bufferedRight = ListBuffer[(String, WorkingMemory)]()

  override def flatMap1(xmlObject: WorkingMemory, out: Collector[WorkingMemory]): Unit = combine(bufferedLeft, bufferedRight, xmlObject, out, "left")
  override def flatMap2(xmlObject: WorkingMemory, out: Collector[WorkingMemory]): Unit = combine(bufferedRight, bufferedLeft, xmlObject, out, "right")

  def combine(leftState: ListBuffer[(String, WorkingMemory)], rightState: ListBuffer[(String, WorkingMemory)], xmlObject:WorkingMemory, out: Collector[WorkingMemory], side:String): Unit =
  {
    val otherIdx:Int = leftState.indexWhere(_._1 == xmlObject.uuid)

    if (otherIdx > -1)
    {
      out.collect(leftState(otherIdx)._2)
      leftState.remove(otherIdx)
    }
    else
    {
      rightState += ((xmlObject.uuid, xmlObject))
    }
  }

  override def initializeState(context:FunctionInitializationContext): Unit = ???
  override def snapshotState(context:FunctionSnapshotContext):Unit = ???
}

我知道缺少清除操作符状态中的部分匹配项(生存时间)的方法，但这对于当前的开发状态并不重要，将在以后添加。
背景资料
该应用程序应使用flink(https://en.wikipedia.org/wiki/Rete_algorithm)实现用于规则匹配的rete-algorithm。
一种不同的方法是只为每个传入消息循环所有规则，并附加结果。对于使用flink的这种方法，我有一个有效的实现，因此请不要将此作为解决方案。
问题
问题是，应用程序在对象ID级别上弄乱了传入消息的顺序。也就是说，它没有达到我在简介中所要求的。对于每个对象ID，传入的消息必须保持顺序。但这种情况并非如此。
我不知道顺序在代码的哪一点弄乱了，或者这些操作如何在线程之间分配，所以我不知道如何解决这个问题。

Answer 1

一些评论...

我想您已经检查了Flink的CEP支持，尤其是Handling Lateness in Event Time。关键概念是您可以依靠事件时间(而不是处理时间)来帮助安排事件，但是您始终必须决定您愿意忍受的最大延迟量是多少(延迟可能是由于源，以及工作流程中发生的所有处理)。

从您提供的Flink作业图中，您似乎正在通过哈希对传入数据进行分区，但是每个规则都需要获取每个传入数据，对吗？因此，在这种情况下，您需要广播。