正在Flink中处理流

Question

我需要按如下方式处理消息：

1. 每个消息必须在所有进程中保持不变
2. 如果进程检测到模式匹配，则必须将消息的副本传递给另一个线程

streamIn -> process1 -> process2 -> .... -> processN
         |                /
        |               /
sink to kafka

我尝试使用OutputTag

OutputTag<SysmonPartial> filtersOutput = new OutputTag<SysmonPartial>("FiltersOutput"){};
DataStream<SysmonPartial> kafkaSource = env.addSource(consumer);
DataStream<SysmonPartial> source = kafkaSource.rebalance();
SingleOutputStreamOperator<SysmonPartial> s = source
.process(lambda1).name("lambda1").startNewChain()
.process(lambda2).name("lambda2").startNewChain()
.process(lambda3).startNewChain()
.process(lambda4).startNewChain()
.process(lambda5).startNewChain()
.process(lambda6).startNewChain()
.process(lambda7).startNewChain();
SingleOutputStreamOperator<Any> output = s
.getSideOutput(filtersOutput)
.process(filterProcessFunction).setParallelism(1).startNewChain();
output.addSink(sink).setParallelism(1);
env.execute(jobName);

其中lambda 1、2等是条件检查函数，例如

public class Bypass_WS_01_03 extends FilterTagFuction<SysmonPartial, SysmonPartial, SysmonPartial> {
private static final Pattern p_1 = Pattern.compile("pattern1");
private static final Pattern p_0 = Pattern.compile("pattern2");
@Override
public void processElement(SysmonPartial t, Context ctx, Collector<SysmonPartial> out) throws Exception {
out.collect(t);
if (
"1".equals(t.B_VendorEventID) &&
t.CommandLine != null && t.CommandLine.length() != 0 && p_0.matcher(t.CommandLine).find() &&
t.ImageName != null && t.ImageName.length() != 0 && p_1.matcher(t.ImageName).find()
) {
t.RuleId = "Bypass_WS_01_03";
ctx.output(getOutputTag(), t);
}
}
}

但由于某种原因，它对我不起作用，也许还有其他方法？我从文件中了解到(https://ci.apache.org/projects/flink/flink-docs-stable/dev/stream/side_output.html)，OutputTag用于创建用Tag标记的其他消息。还是我错了？

Answer 1

连接作业图的方式意味着在作业结束时访问侧面输出

SingleOutputStreamOperator<Any> output = s
.getSideOutput(filtersOutput)

您只得到最后一个进程函数放在副输出上的内容，即，只得到lambda7发出的事件。

我相信你打算做的事情可以用来表达

SingleOutputStreamOperator<...> s1 = source.process(lambda1).name("lambda1");
SingleOutputStreamOperator<...> s2 = s1.process(lambda2).name("lambda2");
SingleOutputStreamOperator<...> s3 = s2.process(lambda3);
...
DataStream<...> side1 = s1.getSideOutput(filtersOutput);
DataStream<...> side2 = s2.getSideOutput(filtersOutput);
DataStream<...> side3 = s3.getSideOutput(filtersOutput);
...
SingleOutputStreamOperator<Any> output = side1.union(side2, side3, ...)
.process(filterProcessFunction)
...

此外，我认为您不应该使用startNewChain()(它禁用运算符链接(。操作员链接是一种有价值的优化，只有在特殊情况下才能禁用。