Flink中ProcessFunction类如何使用
这篇文章将为大家详细讲解有关Flink中ProcessFunction类如何使用，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
Flink处理函数实战系列链接
深入了解ProcessFunction的状态操作(Flink-1.10)；
ProcessFunction；
KeyedProcessFunction类；
ProcessAllWindowFunction(窗口处理)；
CoProcessFunction(双流处理)；
关于处理函数(Process Function)
如下图，在常规的业务开发中，SQL、Table API、DataStream API比较常用，处于Low-level的Porcession相对用得较少，从本章开始，我们一起通过实战来熟悉处理函数(Process Function)，看看这一系列的低级算子可以带给我们哪些能力？ 
关于ProcessFunction类
处理函数有很多种，最基础的应该ProcessFunction类，来看看它的类图，可见有RichFunction的特性open、close，然后自己有两个重要的方法processElement和onTimer： 常用特性如下所示：
处理单个元素；
访问时间戳；
旁路输出；
接下来写两个应用体验上述功能；
版本信息
开发环境操作系统：MacBook Pro 13寸， macOS Catalina 10.15.3
开发工具：IDEA ULTIMATE 2018.3
JDK：1.8.0_211
Maven：3.6.0
Flink：1.9.2
源码下载
如果您不想写代码，整个系列的源码可在GitHub下载到，地址和链接信息如下表所示(https://github.com/zq2599/blog_demos)：
| 名称 | 链接 | 备注 |
|---|---|---|
| 项目主页 | https://github.com/zq2599/blog_demos | 该项目在GitHub上的主页 |
| git仓库地址(https) | https://github.com/zq2599/blog_demos.git | 该项目源码的仓库地址，https协议 |
| git仓库地址(ssh) | git@github.com:zq2599/blog_demos.git | 该项目源码的仓库地址，ssh协议 |
这个git项目中有多个文件夹，本章的应用在flinkstudy文件夹下，如下图红框所示： 
创建工程
执行以下命令创建一个flink-1.9.2的应用工程：
mvn \archetype:generate \-DarchetypeGroupId=org.apache.flink \-DarchetypeArtifactId=flink-quickstart-java \-DarchetypeVersion=1.9.2
按提示输入groupId：com.bolingcavalry，architectid：flinkdemo
第一个demo
第一个demo用来体验以下两个特性：
处理单个元素；
访问时间戳；
创建Simple.java，内容如下：
package com.bolingcavalry.processfunction;import org.apache.flink.api.java.tuple.Tuple2;import org.apache.flink.streaming.api.TimeCharacteristic;import org.apache.flink.streaming.api.datastream.DataStream;import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;import org.apache.flink.streaming.api.functions.ProcessFunction;import org.apache.flink.streaming.api.functions.source.SourceFunction;import org.apache.flink.util.Collector;public class Simple { public static void main(String[] args) throws Exception { final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); // 并行度为1 env.setParallelism(1); // 设置数据源，一共三个元素 DataStream> dataStream = env.addSource(new SourceFunction>() { @Override public void run(SourceContext> ctx) throws Exception { for(int i=1; i<4; i++) { String name = "name" + i; Integer value = i; long timeStamp = System.currentTimeMillis(); // 将将数据和时间戳打印出来，用来验证数据 System.out.println(String.format("source，%s, %d, %d\n", name, value, timeStamp)); // 发射一个元素，并且戴上了时间戳 ctx.collectWithTimestamp(new Tuple2(name, value), timeStamp); // 为了让每个元素的时间戳不一样，每发射一次就延时10毫秒 Thread.sleep(10); } } @Override public void cancel() { } }); // 过滤值为奇数的元素 SingleOutputStreamOperator mainDataStream = dataStream .process(new ProcessFunction, String>() { @Override public void processElement(Tuple2 value, Context ctx, Collector out) throws Exception { // f1字段为奇数的元素不会进入下一个算子 if(0 == value.f1 % 2) { out.collect(String.format("processElement，%s, %d, %d\n", value.f0, value.f1, ctx.timestamp())); } } }); // 打印结果，证明每个元素的timestamp确实可以在ProcessFunction中取得 mainDataStream.print(); env.execute("processfunction demo : simple"); }} 这里对上述代码做个介绍：
创建一个数据源，每个10毫秒发出一个元素，一共三个，类型是Tuple2，f0是个字符串，f1是整形，每个元素都带时间戳；
数据源发出元素时，提前把元素的f0、f1、时间戳打印出来，和后面的数据核对是否一致；
在后面的处理中，创建了ProcessFunction的匿名子类，里面可以处理上游发来的每个元素，并且还能取得每个元素的时间戳(这个能力很重要)，然后将f1字段为奇数的元素过滤掉；
最后将ProcessFunction处理过的数据打印出来，验证处理结果是否符合预期；
直接执行Simple类，结果如下，可见过滤和提取时间戳都成功了：
第二个demo
第二个demo是实现旁路输出(Side Outputs)，对于一个DataStream来说，可以通过旁路输出将数据输出到其他算子中去，而不影响原有的算子的处理，下面来演示旁路输出：
创建SideOutput类：
package com.bolingcavalry.processfunction;import org.apache.flink.api.java.tuple.Tuple2;import org.apache.flink.streaming.api.datastream.DataStream;import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;import org.apache.flink.streaming.api.functions.ProcessFunction;import org.apache.flink.util.Collector;import org.apache.flink.util.OutputTag;import java.util.ArrayList;import java.util.List;public class SideOutput { public static void main(String[] args) throws Exception { final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); // 并行度为1 env.setParallelism(1); // 定义OutputTag final OutputTag outputTag = new OutputTag("side-output"){}; // 创建一个List，里面有两个Tuple2元素 List> list = new ArrayList<>(); list.add(new Tuple2("aaa", 1)); list.add(new Tuple2("bbb", 2)); list.add(new Tuple2("ccc", 3)); //通过List创建DataStream DataStream> fromCollectionDataStream = env.fromCollection(list); //所有元素都进入mainDataStream，f1字段为奇数的元素进入SideOutput SingleOutputStreamOperator mainDataStream = fromCollectionDataStream .process(new ProcessFunction, String>() { @Override public void processElement(Tuple2 value, Context ctx, Collector out) throws Exception { //进入主流程的下一个算子 out.collect("main, name : " + value.f0 + ", value : " + value.f1); //f1字段为奇数的元素进入SideOutput if(1 == value.f1 % 2) { ctx.output(outputTag, "side, name : " + value.f0 + ", value : " + value.f1); } } }); // 禁止chanin，这样可以在页面上看清楚原始的DAG mainDataStream.disableChaining(); // 取得旁路数据 DataStream sideDataStream = mainDataStream.getSideOutput(outputTag); mainDataStream.print(); sideDataStream.print(); env.execute("processfunction demo : sideoutput"); }} 这里对上述代码做个介绍：
数据源是个集合，类型是Tuple2，f0字段是字符串，f1字段是整形；
ProcessFunction的匿名子类中，将每个元素的f0和f1拼接成字符串，发给主流程算子，再将f1字段为奇数的元素发到旁路输出；
数据源发出元素时，提前把元素的f0、f1、时间戳打印出来，和后面的数据核对是否一致；
将主流程和旁路输出的元素都打印出来，验证处理结果是否符合预期；
执行SideOutput看结果，如下图，main前缀的都是主流程算子，一共三条记录，side前缀的是旁路输出，只有f1字段为奇数的两条记录，符合预期： 上面的操作都是在IDEA上执行的，还可以将flink单独部署，再将上述工程构建成jar，提交到flink的jobmanager，可见DAG如下：
至此，处理函数中最简单的ProcessFunction类的学习
关于Flink中ProcessFunction类如何使用就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
