标签：连接 一起 flat 存在 网络 信息 port foj 代码示例
与flink流的join原理不同的是，Spark双流join是对俩个流做满外连接 ，因为网络延迟等关系，不能保证每个窗口中的数据key都能匹配上，这样势必会出现三种情况：（some，some），（None，some），（Some,None）,根据这三种情况，下面做一下详细解析：
（some，some）—— 1号流和2号流中key能正常进行逻辑运算，但是考虑到2号流后续可能会有剩下的数据到来，所以需要将1号流中的key保存到redis，以等待接下来的数据
（None，Some）—— 找不到1号流中对应key的数据，需要去redis中查找1号流的缓存，如果找不到，则缓存起来，等待1号流
（Some，None）—— 找不到2号流中的数据，需要将key保存到redis，以等待接下来的数据，并且去reids中找2号流的缓存，如果有，则join，然后删除2号流的缓存
def fullJoin(orderInfoStream: DStream[OrderInfo], orderDetailStream: DStream[OrderDetail]) = { val orderIdAndOrderInfo: DStream[(String, OrderInfo)] = orderInfoStream.map(info => (info.id, info)) val orderIdAndOrderDetail: DStream[(String, OrderDetail)] = orderDetailStream.map(info => (info.order_id, info)) orderIdAndOrderInfo .fullOuterJoin(orderIdAndOrderDetail) .mapPartitions((it: Iterator[(String, (Option[OrderInfo], Option[OrderDetail]))]) => { // 获取redis客户端 val client: Jedis = RedisUtil.getClient // 读写操作 val result: Iterator[SaleDetail] = it.flatMap { // order_info有数据, order_detail有数据 case (orderId, (Some(orderInfo), Some(orderDetail))) => println("Some(orderInfo) Some(orderDetail)") // 1. 把order_info信息写入到缓存(因为order_detail信息有部分信息可能迟到) cacheOrderInfo(orderInfo, client) // 2. 把信息join到一起(其实就是放入一个样例类中) (缺少用户信息, 后面再专门补充) val saleDetail = SaleDetail().mergeOrderInfo(orderInfo).mergeOrderDetail(orderDetail) // 3. 去order_detail的缓存找数据, 进行join // 3.1 先获取这个order_id对应的所有的order_detail的key import scala.collection.JavaConversions._ val keys: List[String] = client.keys("order_detail:" + orderInfo.id + ":*").toList // 转成scala集合 val saleDetails: List[SaleDetail] = keys.map(key => { val orderDetail: OrderDetail = JSON.parseObject(client.get(key), classOf[OrderDetail]) // 删除对应的key, 如果不删, 有可能造成数据重复 client.del(key) SaleDetail().mergeOrderInfo(orderInfo).mergeOrderDetail(orderDetail) }) saleDetail :: saleDetails case (orderId, (Some(orderInfo), None)) => println("Some(orderInfo), None") // 1. 把order_info信息写入到缓存(因为order_detail信息有部分信息可能迟到) cacheOrderInfo(orderInfo, client) // 3. 去order_detail的缓存找数据, 进行join // 3.1 先获取这个order_id对应的所有的order_detail的key import scala.collection.JavaConversions._ val keys: List[String] = client.keys("order_detail:" + orderInfo.id + ":*").toList // 转成scala集合 val saleDetails: List[SaleDetail] = keys.map(key => { val orderDetail: OrderDetail = JSON.parseObject(client.get(key), classOf[OrderDetail]) // 删除对应的key, 如果不删, 有可能造成数据重复 client.del(key) SaleDetail().mergeOrderInfo(orderInfo).mergeOrderDetail(orderDetail) }) saleDetails case (orderId, (None, Some(orderDetail))) => println("None, Some(orderDetail)") // 1. 去order_info的缓存中查找 val orderInfoJson = client.get("order_info:" + orderDetail.order_id) if (orderInfoJson == null) { // 3. 如果不存在, 则order_detail缓存 cacheOrderDetail(orderDetail, client) Nil } else { // 2. 如果存在, 则join val orderInfo = JSON.parseObject(orderInfoJson, classOf[OrderInfo]) SaleDetail().mergeOrderInfo(orderInfo).mergeOrderDetail(orderDetail) :: Nil } } // 关闭redis客户端 client.close() result }) }
标签：连接 一起 flat 存在 网络 信息 port foj 代码示例
原文地址：https://www.cnblogs.com/yangxusun9/p/13137592.html
