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()
}
}