Flink——Side Output侧输出流

主要内容：

结合应用场景，介绍Flink侧输出流的使用流程和原理

在处理数据的时候，有时候想对不同情况的数据进行不同的处理，那么就需要把数据流进行分流。可以在主数据流上产生出任意数量额外的侧输出流。

1 场景

某公司使用埋点组件收集到了埋点数据，并实时写入了Kafka。其中，埋点数据共分为三类：Web端埋点数据、移动端埋点数据和CS端埋点数据。现在需要从Kafka读取埋点数据，并分别对三端数据做不同的处理逻辑：

2 Side Output

当然使用 filter 对主数据流进行过滤，也能满足上述场景，但每次筛选过滤都要保留整个流，然后通过遍历整个流来获取相应的数据，显然很浪费性能。假如能够在一个流里面就进行多次输出就好了，恰好 Flink 的 Side Output 提供了这样的功能。Flink的Side Output侧输出流的作用在于将主数据分割成多个不同的侧输出流。侧输出结果流的数据类型不需要与主数据流的类型一致，不同侧输出流的类型也可以不同。

在上述场景中，可以使用Flink此功能：将Kafka的埋点数据进行分类，分为web端、mobile端和CS端三类，然后再对每类埋点数据进行相应的处理。

3 处理流程

3.1 定义OutputTag

在使用侧输出的时候需要先定义一个OutputTag，来标识 Side Output，代表这个 Tag 是要收集哪种类型的数据。这里定义了三个 OutputTag：

webTerminal：web端埋点数据
mobileTerminal：移动端埋点数据
csTerminal：CS端埋点数据

lazy val webTerminal: OutputTag[MdMsg] = new OutputTag[MdMsg]("Web端埋点数据")
lazy val mobileTerminal: OutputTag[MdMsg] = new OutputTag[MdMsg]("移动端埋点数据")
lazy val csTerminal: OutputTag[MdMsg] = new OutputTag[MdMsg]("CS端埋点数据")

3.2 使用特定的处理函数

要使用侧输出，在处理数据的时候除了要定义相应类型的OutputTag外，还要使用特定的函数，主要是有四个：

ProcessFunction
CoProcessFunction
ProcessWindowFunction
ProcessAllWindowFunction

该场景里选择使用ProcessFunction函数。该函数继承于RichFunction，使用时必须要重写processElement方法。自定义ProcessFunction函数：

class MdSplitProcessFunction extends ProcessFunction[MdMsg, MdMsg] {override def processElement(value: MdMsg, ctx: ProcessFunction[MdMsg, MdMsg]#Context, out: Collector[MdMsg]): Unit = {// webif (value.mdType == "web") {ctx.output(webTerminal, value)// mobile} else if (value.mdType == "mobile") {ctx.output(mobileTerminal, value)// cs} else if (value.mdType == "cs") {ctx.output(csTerminal, value)// others} else {out.collect(value)}}}

3.3 对每个侧输出流做处理

为每种类型的侧输出流添加处理逻辑，直接调用getSideOutput函数：（这里的处理逻辑进展示直接打印）

// Web端埋点数据流
outputStream.getSideOutput(webTerminal).print("web")
// Mobile端埋点数据流
outputStream.getSideOutput(mobileTerminal).print("mobile")
// CS端埋点数据流
outputStream.getSideOutput(csTerminal).print("cs")

4 代码

4.1 代码

package org.ourhome.streamapiimport org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.ProcessFunction
import org.apache.flink.streaming.api.scala._
import org.apache.flink.util.Collector/*** @Author Do* @Date 2020/5/3 20:35*/
object SideOutputTest2 {lazy val webTerminal: OutputTag[MdMsg] = new OutputTag[MdMsg]("Web端埋点数据")lazy val mobileTerminal: OutputTag[MdMsg] = new OutputTag[MdMsg]("移动端埋点数据")lazy val csTerminal: OutputTag[MdMsg] = new OutputTag[MdMsg]("CS端埋点数据")def main(args: Array[String]): Unit = {val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironmentenv.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime)env.setParallelism(1)val socketData: DataStream[String] = env.socketTextStream("localhost", 9999)socketData.print("input data")val outputStream: DataStream[MdMsg] = socketData.map(line => {val str: Array[String] = line.split(",")MdMsg(str(0), str(1), str(2).toLong)}).process(new MdSplitProcessFunction)// Web端埋点数据流处理逻辑outputStream.getSideOutput(webTerminal).print("web")// Mobile端埋点数据流处理逻辑outputStream.getSideOutput(mobileTerminal).print("mobile")// CS端埋点数据流处理逻辑outputStream.getSideOutput(csTerminal).print("cs")env.execute()}case class MdMsg(mdType:String, url:String, Time:Long)class MdSplitProcessFunction extends ProcessFunction[MdMsg, MdMsg] {override def processElement(value: MdMsg, ctx: ProcessFunction[MdMsg, MdMsg]#Context, out: Collector[MdMsg]): Unit = {// webif (value.mdType == "web") {ctx.output(webTerminal, value)// mobile} else if (value.mdType == "mobile") {ctx.output(mobileTerminal, value)// cs} else if (value.mdType == "cs") {ctx.output(csTerminal, value)// others} else {out.collect(value)}}}}

4.2 测试

输入1：

web,http://www.web1.com,1587787201000
mobile,http://www.mobile1.com,1587787202000
cs,http://www.cs1.com,1587787203000

输出1：

input data> web,http://www.web1.com,1587787201000
web> MdMsg(web,http://www.web1.com,1587787201000)input data> mobile,http://www.mobile1.com,1587787202000
mobile> MdMsg(mobile,http://www.mobile1.com,1587787202000)input data> cs,http://www.cs1.com,1587787203000
cs> MdMsg(cs,http://www.cs1.com,1587787203000)

可见：Flink将接收到的数据，分别分到了web埋点数据流、移动端埋点数据流和CS端埋点数据流中，并分别打印。

输入2：

other,http://www.other.com,1587787201000

输出2：

input data> other,http://www.other.com,1587787201000

可见：Flink将接收到的数据发到了常规数据流中，并打印。