Flink：实现数据流和“规则集”之间的“连接”

Question

以下用例的最佳实践建议是什么？我们需要将一个流与一组“规则”进行匹配，这些“规则”本质上是一个Flink数据集的概念。对此“规则集”的更新是可能的，但不是频繁的。每个流事件必须与“规则集”中的所有记录进行检查，每次匹配都会在接收器数据流中产生一个或多个事件。规则集中的记录数在6位数范围内。

目前，我们只是将规则加载到本地规则列表中，并在传入的数据流上使用flatMap。在flatMap中，我们只是迭代一个列表，将每个事件与每个规则进行比较。

为了加快迭代速度，我们还可以将列表拆分为几个批，实质上创建一个列表列表，并创建一个单独的线程来迭代每个子列表（使用Java或Scala中的Futures）。

1. 有没有更好的方法来执行这种连接？
2. 如果不是，那么通过在flatMap操作中创建新线程，在Flink已经完成的操作的基础上添加额外的并行性是否安全？

编辑：下面是所需的示例代码：

package wikiedits

import org.apache.flink.streaming.connectors.wikiedits.{WikipediaEditEvent, WikipediaEditsSource}
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.scala.extensions._
import scala.concurrent.ExecutionContext.Implicits.global
import scala.concurrent.Future

object WikipediaEditEventProcessor {

  def main(args: Array[String])= {
    val see = StreamExecutionEnvironment.getExecutionEnvironment
    val edits = see.addSource(new WikipediaEditsSource())

    val ruleSets = Map[Int, List[String]](
      (1, List("a", "b", "c", "d", "e", "f", "g", "h", "i", "j")),
      (2, List("k", "l", "m", "n", "o", "p", "q", "r", "s", "t")),
      (3, List("u", "v", "w", "x", "y", "z", "0", "1", "2", "3"))
    )

    val result = edits.flatMap { edit =>
      ruleSets.map { ruleSet =>
        applyRuleSet(edit, ruleSet._2, ruleSet._1)
      }
    }
    see.execute
  }

  def applyRuleSet(event: WikipediaEditEvent, ruleSet: List[String], ruleSetId: Int): Future[List[String]] = {
    val title = event.getTitle
    Future(
      ruleSet.map {
        case rule if title.contains(rule) =>
          val result = s"Ruleset $ruleSetId: $rule -> exists in: $title"
          println(result) // this would be creating an output event instead
          result
        case rule =>
          val result = s"Ruleset $ruleSetId: $rule -> NO MATCH in: $title"
          println(result)
          result
      }
    )
  }
}

Answer 1

每个流事件必须对照“规则集”中的所有记录进行检查，每个匹配都将一个或多个事件产生到接收器数据流中。规则集中的记录数在6位数范围内

说你有K规则。如果输入速率快于处理单个事件的K条规则所用的时间，那么您的方法是很好的。另外，您需要一些方法，可以并行地处理这K条规则。

就当他们是K收费亭吧。把它们一个接一个地放起来，而不是把它们放在一个大房间里。这将简化流式引擎的事情。