在 Apache Flink 中加入 DataStreams

Question

我在 Apache Flink 中有 2 个来自 Flink Training RidesAndFares exercise 的 DataStreams

TaxiRide stream () rideId, taxiId, driverId, ...

TaxiFare stream () rideId, isStart, startTime, endTime, startLon, ...

我尝试加入他们

  rides
    .join(fares)
    .where(r => r.rideId)
    .equalTo(f => f.rideId)
    .window(TumblingEventTimeWindows.of(Time.milliseconds(2)))
    .apply {(r, f) => (r,f)}

测试还可以，但是在solution我发现加入RichCoFlatMapFunction，你能帮我理解一下吗：

1. 这种方式的区别
2. 哪种类型的窗口使用RichCoFlatMapFunction（翻滚、滑动、会话、间隔）
3. .join 如何处理状态（放置一些东西）

Answer 1

本练习的参考解决方案是使用 RichCoFlatMapFunction 实现的，因为本练习的目的是展示如何使用一些较低级别的机制：即键控状态和连接流。

顺便说一句，通常当“手动”实现连接时，为了访问计时器和状态，人们将使用KeyedCoProcessFunction 而不是RichCoFlatMap。但是在我们介绍这个特定练习的 Flink 教程中，我们还没有讨论过进程函数和计时器。

没有一个内置的窗口类型被实现为RichCoFlatMapFunction，但是窗口连接有点相似，因为它们也使用双输入运算符。您在apply 方法中提供的ProcessJoinFunction 是一种具有两个输入流的RichFunction，它可以像任何其他RichFunction 一样成为有状态的。