Flink使用SideOutPut替換Split實現分流

以前的數據分析項目(版本1.4.2)，對從Kafka讀取的原始數據流，調用split接口實現分流.
新項目決定使用Flink 1.7.2，使用split接口進行分流的時候，發現接口被標記為depracted(后續可能會被移除).
搜索相關文檔，發現新版本Flink中推薦使用帶外數據進行分流.

預先建立OutputTag實例(LogEntity是從kafka讀取的日志實例類).

private static final OutputTag<LogEntity> APP_LOG_TAG = new OutputTag<>("appLog", TypeInformation.of(LogEntity.class));
private static final OutputTag<LogEntity> ANALYZE_METRIC_TAG = new OutputTag<>("analyzeMetricLog", TypeInformation.of(LogEntity.class));

對kafka讀取的原始數據，通過process接口，打上相應標記.

    private static SingleOutputStreamOperator<LogEntity> sideOutStream(DataStream<LogEntity> rawLogStream) {
        return rawLogStream
                .process(new ProcessFunction<LogEntity, LogEntity>() {
                    @Override
                    public void processElement(LogEntity entity, Context ctx, Collector<LogEntity> out) throws Exception {
                        // 根據日志等級，給對象打上不同的標記
                        if (entity.getLevel().equals(ANALYZE_LOG_LEVEL)) {
                            ctx.output(ANALYZE_METRIC_TAG, entity);
                        } else {
                            ctx.output(APP_LOG_TAG, entity);
                        }
                    }
                })
                .name("RawLogEntitySplitStream");
    }

    // 調用函數，對原始數據流中的對象進行標記
    SingleOutputStreamOperator<LogEntity> sideOutLogStream = sideOutStream(rawLogStream);
    // 根據標記，獲取不同的數據流，以便后續進行進一步分析
    DataStream<LogEntity> appLogStream = sideOutLogStream.getSideOutput(APP_LOG_TAG);
    DataStream<LogEntity> rawAnalyzeMetricLogStream = sideOutLogStream.getSideOutput(ANALYZE_METRIC_TAG);

通過以上步驟，就實現了數據流的切分.

PS:
如果您覺得我的文章對您有幫助，請關注我的微信公眾號，謝謝!