Приложение для потоковой передачи Flink создает много незавершенных пустых выходных файлов

У меня есть следующее потоковое приложение, которое читает сообщения Protobuf из темы Kafka и записывает их в приемник паркета FileSystem:

class ProtoDeserializer extends DeserializationSchema[User] {

  override def getProducedType: TypeInformation[User] = TypeInformation.of(classOf[User])

  override def deserialize(message: Array[Byte]): User =
    User.parseFrom(message.slice(6, message.length))

  override def isEndOfStream(nextElement: User): Boolean = false
}

object StreamingKafkaProtoToParquetLocalFs {

  private val brokers = "localhost:9092"
  private val topic = "test-topic-proto"
  private val consumerGroupId = "test-consumer-proto"
  private val targetPath = "file:///my/path"


  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI()
    env.enableCheckpointing(TimeUnit.MINUTES.toMillis(1))
    env.getCheckpointConfig.setCheckpointStorage(s"$targetPath/checkpoints")
    env.getConfig.registerTypeWithKryoSerializer(classOf[User], classOf[ProtobufSerializer])

    val source = KafkaSource.builder[User]
      .setBootstrapServers(brokers)
      .setTopics(topic)
      .setGroupId(consumerGroupId)
      .setValueOnlyDeserializer(new ProtoDeserializer)
      .setStartingOffsets(OffsetsInitializer.earliest())
      .build

    val input: DataStream[User] = env.fromSource(source, WatermarkStrategy.noWatermarks[User], "KafKaTable")
    val sink: StreamingFileSink[User] = StreamingFileSink
      .forBulkFormat(new Path(s"$targetPath/data"), ParquetProtoWriters.forType(classOf[User]))
      .build()
    input.addSink(sink)
    env.execute()
  }
}

Когда я запускаю программу, я вижу, что все выходные файлы, записанные в целевой путь, пусты (размер 0) и inprogress, хотя я включил контрольную точку.

Важно отметить, что тема не пустая и когда я меняю сток на print() сообщения печатаются корректно.

Что мне не хватает? почему print и паркетная мойка ведут себя по-разному?

Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
2
0
57
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Похоже, вы используете последнюю версию Flink, поэтому попробуйте внести это изменение:

val sink: FileSink[User] = FileSink
    .forBulkFormat(new Path(s"$targetPath/data"), 
        ParquetProtoWriters.forType(classOf[User]))
    .build()

input.sinkTo(sink)

StreamingFileSink устарела и заменяется на FileSink.

Спасибо, Дэвид, но, к сожалению, это не решило проблему. Все сгенерированные файлы по-прежнему пусты, а новый выходной файл создается ~ каждую секунду. Моя версия Flink — 1.14.2 (со scala 2.12).

Gabio 18.03.2022 15:41
Ответ принят как подходящий

Кажется, что явное добавление зависимости для Apache Parquet Protobuf решает проблему.

Для пользователей Maven в pom.xml добавлена ​​следующая зависимость:

<dependency>
    <groupId>org.apache.parquet</groupId>
    <artifactId>parquet-protobuf</artifactId>
    <version>1.11.1</version>
</dependency>

Другие вопросы по теме