Flink Streaming AWS S3 并行读取多个文件

Question

我是 Flink 新手，我的理解是遵循 API 调用

StreamExecutionEnvironment.getExecutionEnvironment().readFile(format, path)

将为给定的 S3 存储桶路径并行读取文件。

我们将日志文件存储在 S3 中。要求是服务多个客户端请求以从不同的文件夹中读取时间戳。

对于我的用例，为了服务多个客户端请求，我正在评估使用 Flink。所以我希望 Flink 对不同的 AWS S3 文件路径并行执行 AWS S3 读取。

是否有可能在单个 Flink Job 中实现这一点。有什么建议吗？

Answer 1

有关 S3 文件系统支持的文档可以在 here 找到。

您可以从不同的目录中读取，并使用union() 运算符将来自不同目录的所有记录合并到一个流中。

也可以使用类似（未经测试）的方式读取嵌套文件：

TextInputFormat format = new TextInputFormat(path);
Configuration config = new Configuration();
config.setBoolean("recursive.file.enumeration", true);
format.configure(this.config);
env.readFile(format, path);