Apache Flink - 端到端测试如何终止输入源

Question

我在批处理中使用 apache flink 有一段时间了，但现在我们想将此批处理作业转换为流式作业。我遇到的问题是如何运行端到端测试。

它在批处理作业中的工作原理

在使用批处理时，我们使用黄瓜创建了端到端测试。

• 我们将填充我们从中读取的 hbase 表
• 运行批处理作业
• 等待它完成
• 验证结果

流式作业中的问题

我们希望对流式作业执行类似的操作，但流式作业并未真正完成。

所以：

• 填满我们从中读取的消息队列
• 运行流式作业。
• 等待它完成（如何？）
• 验证结果

我们可以在每次测试后等待 5 秒钟，并假设所有内容都已处理，但这会大大减慢所有内容。

问题：

有哪些方法或最佳实践可以在流式 flink 作业上运行端到端测试，而不会在 x 秒后强制终止 flink 作业

Answer 1

大多数 Flink DataStream 源，如果它们从有限输入中读取，将在到达末尾时注入值为 LONG.MAX_VALUE 的水印，之后作业将终止。

Flink training exercises 说明了一种对 Flink 作业进行端到端测试的方法。我建议克隆github repo 并查看测试是如何设置的。他们使用custom source and sink 并重定向输入和输出以进行测试。

这个话题在documentation也有讨论。