Flink DataSet API 之 Distributed Cache(分布式缓存)

基本介绍

       Flink提供了一个分布式缓存，类似于hadoop，可以使用户在并行函数中很方便的读取本地文件。此缓存的工作机制如下：程序注册一个文件或者目录(本地或者远程文件系统，例如hdfs或者s3)，通过ExecutionEnvironment注册缓存文件并为它起一个名称。当程序执行，Flink自动将文件或者目录复制到所有taskmanager节点的本地文件系统，用户可以通过这个指定的名称查找文件或者目录，然后从taskmanager节点的本地文件系统访问它

用法

1：注册一个文件：    env.registerCachedFile("hdfs:///path/to/your/file", "hdfsFile") 

2：访问数据：          File myFile = getRuntimeContext().getDistributedCache().getFile("hdfsFile");

使用Demo

import org.apache.commons.io.FileUtils
import org.apache.flink.api.common.functions.RichMapFunction
import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.configuration.Configuration

/**
  * Distributed Cache
  */
object BatchDemoDisCache {
  def main(args: Array[String]): Unit = {
    val env = ExecutionEnvironment.getExecutionEnvironment
    import org.apache.flink.api.scala._
    env.registerCachedFile("d:/sshdata/count", "count")
    val data = env.fromElements("a","b","c","d")
    val result = data.map(new RichMapFunction[String, String] {
      override def open(parameters: Configuration) = {
        super.open(parameters)
        val myFile = getRuntimeContext.getDistributedCache.getFile("count")
        val lines = FileUtils.readLines(myFile)
        val it = lines.iterator()
        while (it.hasNext) {
          val line = it.next()
          println(s"line: $line")
        }
      }

      override def map(in: String): String = {
        in
      }
    })
    result.print()
  }
}