GeoFlink中一些流的解析

DataStream geoJSONStream  = env.addSource(new FlinkKafkaConsumer<>("kafka", new JSONKeyValueDeserializationSchema(false), kafkaProperties));
DataStream<Point> spatialPointStream = Deserialization.TrajectoryStream(geoJSONStream, inputFormat, inputDateFormat, inputDelimiter1, csvTsvSchemaAttr1, "timestamp", "oID", uGrid);
DataStream<Point> rNeighbors = new PointPointRangeQuery(realtimeConf, uGrid).run(spatialPointStream, qPointSet, radius);

上面是GeoFlink中示例代码的一部分内容

其中第一行是获取一个流，这个流是从kafka获取的，这个流需要是GeoJSON、WKT或者CSV才能够转换成为点流

第二行是一个点流，他需要将第一个流输入进去，通过一些参数对数据进行解析，将第一个流里面的数据变成点流。如果是csv的话需要通过设置csvTsvSchemaAttr，使其x，y能够与数组中的位置对应，才能够成功完成点的转换。

String strOId = strArrayList.get(csvTsvSchemaAttr.get(0));
long time = Long.valueOf(strArrayList.get(csvTsvSchemaAttr.get(1)));
double x = Double.valueOf(strArrayList.get(csvTsvSchemaAttr.get(2)));
double y = Double.valueOf(strArrayList.get(csvTsvSchemaAttr.get(3)));;

举个例子，上面就是GeoFlink提供的将流转换成Point流的方法，如果你输入的是一个csv格式的数据如：ObjID: null, 114.23929438, 22.62298578, 0005200024, 0, 1688459620899

那么你的csvTsvSchemaAttr就需要是以下的数组才能够正确的转换该流

List<Integer> csvTsvSchemaAttr = Arrays.asList(0,5,1,2);

其中，第一个是属性的位置，第二个是时间戳的位置，第三个是经度的位置，第四个是纬度的位置

完成了点流转换后，就可以通过GeoFlink提供的一些方法对地理流数据进行处理，而第三行的代码就是这样子的

将查询配置（流批）、索引格网、点流、被查询点集、查询半径输入后，返回一个查询结果的流回来

最终我们可以将它通过sink到我们需要的地方去