使用 Java 使用 Apache Flink 减少 Pojo 字段

Question

我目前正在为一些分布式处理工具构建一个基准测试工具，并且在使用 Apache Flink 时遇到了一些问题。

设置很简单：LogPojo 是一个简单的 Pojo，包含三个字段（长日期、双精度值、字符串数据）。在列表中，我正在寻找具有最小“值”字段的 LogPojo。基本上相当于：

pojoList.stream().min(new LogPojo.Comp()).get().getValue();

我的 flink 设置如下：

public double processLogs(List<LogPojo> logs) {

    final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();

    DataSet<LogPojo> logSet = env.fromCollection(logs);

    double result = 0.0;
    try {
        ReduceOperator ro = logSet.reduce(new LogReducer());
        List<LogPojo> c = ro.collect();
        result = c.get(0).getValue();
    } catch (Exception ex) {
        System.out.println("Exception caught" + ex);
    }

    return result;
}

public class LogReducer implements ReduceFunction<LogPojo> {

    @Override
    public LogPojo reduce(LogPojo o1, LogPojo o2) {
        return (o1.getValue() < o2.getValue()) ? o1 : o2;
    }
}

结束于：

Exception in thread "main" java.lang.NoSuchMethodError: scala.collection.immutable.HashSet$.empty()Lscala/collection/immutable/HashSet;

所以不知何故，它似​​乎无法应用 reduce 函数。我就是找不到，为什么。有什么提示吗？

Answer 1

首先，您应该检查您的导入。您从 Scala 类中得到一个异常，但您的程序是用 Java 实现的。您可能不小心导入了 Scala DataSet API。使用 Java API 不应导致 Scala 异常（除非您使用的类依赖于 Scala）。

不管怎样，Flink 内置了 min、max 等的聚合方法。

DataSet<LogPojo> logSet = env.fromCollection(logs);
// map LogPojo to a Tuple1<Double> 
//   (Flink's built-in aggregation functions work only on Tuple types)
DataSet<Tuple1<Double>> values = logSet.map(new MapFunction<LogPojo, Tuple1<Double>>() {
    @Override
    public Tuple1<Double> map(LogPojo l) throws Exception {
      return new Tuple1<>(l.value);
    }
  });
// fetch the min value (at position 0 in the Tuple)
List<Tuple1<Double>> c = values.min(0).collect();
// get the first field of the Tuple
Double minVal = c.get(0).f0;