Question

我想实现JOIN语义，并尝试Trident拓扑中的join方法。我发现连接是在批次之间进行的。如果两个流之间的连接具有数百万个元组，那么它是否必须在一个批次中？

在genderSpout中，每个批次都有3个元组，因此Spout将发出2个批次 ageSpout，每个批次有5个元组，因此Spout只会发出1个批次

我使用JoinType进行LEFT OUTER JOIN

测试代码的输出是：

1 man 15
2 woman 18
1 man 19
3 woman NULL
4 man NULL
1 woman NULL

从输出中，我发现前四个结果是在genderSpout的第一批和ageSpout的第一批之间加入。最后两个结果是来自genderSpout的第二批与来自ageSpout的空批处理之间的连接。因此JOIN语义的结果不正确，因为我想要的genderSpout LEFT JOIN ageSpout结果是：

1 man 15
1 man 19
2 woman 18
3 woman NULL
4 man 20
1 woman 15
1 woman 19

所以我的问题是：如果JOIN的双方（Spout）有数百万个元组，我应该将它们放在一个批处理中以获得正确的结果吗？

或者我走的路是错的，请你告诉我如何才能获得OUTER JOIN语义的正确结果？

测试代码如下：

public static void main(String[] args) throws Exception{
    Fields genderField = new Field("id", "gender");
    FixedBatchSpout genderSpout = new FixedBatchSpout(genderField, 3,
        new Values("1", "man"),
        new Values("2", "woman"),
        new Values("3", "woman"),
        new Values("4", "man"),
        new Values("1", "woman"));
    genderSpout.setCycle(false);

    Fields ageField = new Field("id2", "age");
    FiexedBatchSpout ageSpout = new FixedBatchSpout(new Fields("id2", "age"), 5,
        new Values("1", "15"),
        new Values("4", "20"),
        new Values("2", "18"),
        new Values("1", "19"));
    ageSpout.setCycle(false);

    List<Stream> allStreams = new ArrayList<Stream>();
    List<Fields> allFields = new ArrayList<Fields>();
    List<Fields> joinFileds = new ArrayList<Fields>();
    List<JoinType> joinTypes = new ArrayList<JoinType>();    

    TridentTopology topology = new TridentTopology();

    Stream genderStream = topology.newStream("genderIn", genderSpout);
    Stream ageStream = topology.newStream("ageIn", ageSpout);

    allStreams.add(genderStream);
    allStreams.add(ageStream);

    allFields.add(genderFields);
    allFields.add(ageFields);

    joinFields.add(new Field("id")));
    joinFields.add(new Field("id2"));

    joinTypes.add(JoinType.INNER);
    joinTypes.add(JoinType.OUTER);

    topology.join(allStreams, joinFields, new Filds("id", "gender", "age"), joinTypes)

    LocalCluster cluster = new LocalCluster();

    Config config = new Config()
    config.setDebug(false);
    config.setMaxSpoutPending(3);

    cluster.submitTopology("trident-join-test", config, topology.build());

    Thread.sleep(3000);
    cluster.shutdown();
}

Answer 1

我在https://groups.google.com/forum/?fromgroups=#!forum/storm-user中提出了同样的问题： https://groups.google.com/forum/?fromgroups=#!topic/storm-user/7fxAVgF2_0M

杰森杰克逊的回答是： TridentTopology.join不会跨批处理连接。您可以使用stateQuery和其中一个partitionPersist来跨批处理进行流连接。

希望有用

Storm Trident只能批量加入吗？

1 个答案: