Flink-sink的种类和基本使用

flink中的sink相当于spark中的action，是划分subTask的重要依据之一。

PrintSink编号问题

public static void main(String[] args) throws Exception {
    StreamExecutionEnvironment environment = StreamExecutionEnvironment.getExecutionEnvironment();
    DataStreamSource<String> streamSource = environment.socketTextStream("test130", 8888);

    streamSource.print("result:").setParallelism(2);

    environment.execute("PrintSink");
}

测试：终端输入abababab
结果：

result::2> b
result::1> a
result::2> b
result::1> a
result::2> b

1.前缀result就是在print里面设置的。
2.前面的编号（也就是subTask的Id）在1和2之间来回切换（由于setParallelism(2)）
3.Print这个sink是可以设置并行度的，也就是说明他是并行Sink。
4.首先需要说明的是，flink的subTask的编号是从0开始的，而我们设置的并行度为2.按理来说，前面的编号应该为1和0，为何是1和2呢？

答案：
在ES源码当中，一个叫PrintSinkOutputWriter：
部分方法如下：

public void open(int subtaskIndex, int numParallelSubtasks) {
    this.stream = !this.target ? System.out : System.err;
    this.completedPrefix = this.sinkIdentifier;
    if (numParallelSubtasks > 1) {
        if (!this.completedPrefix.isEmpty()) {
            this.completedPrefix = this.completedPrefix + ":";
        }
            // 输出的结果在原来基础上+1了
        this.completedPrefix = this.completedPrefix + (subtaskIndex + 1);
    }
    // 因此为何我们输出的结果有这个 > 的符号
    if (!this.completedPrefix.isEmpty()) {
        this.completedPrefix = this.completedPrefix + "> ";
    }

}

这代码解释了为何我们用prinit（）方法的时候输出的结果是这样的：

[subTaskId+1] > value

默认输出模板：

2> b
1> a
2> b
1> a
2> b
1> a

addSink的使用（自定义Sink）

public static void main(String[] args) throws Exception {
    StreamExecutionEnvironment environment = StreamExecutionEnvironment.getExecutionEnvironment();
    DataStreamSource<String> streamSource = environment.socketTextStream("test130", 8888);

    SingleOutputStreamOperator<Tuple2<String, Integer>> flatMap = streamSource.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
        @Override
        public void flatMap(String line, Collector<Tuple2<String, Integer>> out) throws Exception {
            String[] words = line.split(" ");
            for (String word : words) {
                Tuple2<String, Integer> of = Tuple2.of(word, 1);
                out.collect(of);
            }
        }
    });
    SingleOutputStreamOperator<Tuple2<String, Integer>> sum = flatMap.keyBy(0).sum(1);

    sum.addSink(new RichSinkFunction<Tuple2<String, Integer>>() {
        @Override
        public void invoke(Tuple2<String, Integer> value, Context context) throws Exception {
            // 获取index
            int index = getRuntimeContext().getIndexOfThisSubtask();
            System.out.println("自定义Sink：" + index + "->" + value);
        }
    });

    environment.execute("AddSink");
}

终端打开8888端口并输入：

nc -lk 8888
flink spark spark

结果：

自定义sink： 0 ->(spark,1)
自定义sink： 6 ->(flink,1)
自定义sink： 0 ->(spark,2)

注意：
如果在自定义Sink中需要获取subTask的Id的话，内部实现类必须是RichSinkFunction，否则不支持

int index = getRuntimeContext().getIndexOfThisSubtask();

csvSink的使用

首先大家需要注意的地方：
看下源码：
这个内部实现：

1. 默认行的分隔符是回车
2. 字符串之间的分隔符是逗号

测试代码：
如果我在终端输入一些文字后：
我的文件输出路径会多出一个out2的文件夹，但是此时的大小都是0，为什么呢？如图：
查看源码：
其中一个类叫做 :CsvOutputFormat，贴出部分代码

public void open(int taskNumber, int numTasks) throws IOException {
    super.open(taskNumber, numTasks);
    this.wrt = this.charsetName == null ? new OutputStreamWriter(new BufferedOutputStream(this.stream, 4096)) : new OutputStreamWriter(new BufferedOutputStream(this.stream, 4096), this.charsetName);
}

可以看到这里有个4096的数字。
意思是，只有文件大小超过4096，那么程序才会启动一次flush，将数据写入文件。因此我们写入的数据太少的情况下，达不到4096的限制，因此不会flush操作，输出的文件内容为空。
因此我们可以通过以下方案进行操作：

1. 让终端的8888端口断开。
2. 那么程序会进入一个收尾工作，出现异常，进行一次flush。将数据写入到文件当中。
3. 断开终端后,打印台会出现提示

此时目标文件夹发生了变化：

数据内容：