Flink-1.10中的StreamingFileSink相关特性

一切新知识的学习，都离不开官网得相关阅读，那么StreamingFileSink的官网介绍呢？

https://ci.apache.org/projects/flink/flink-docs-release-1.10/zh/dev/connectors/streamfile_sink.html

flink在被阿里收购之后，官网也有了相当多的中文文档，英文不好的同学可以直接看中文版的，不过还是建议时间充足的同学直接阅读英文文档，毕竟现在的chrome中的划词翻译很是方便了，哪里不会点哪里，慢慢的开发中常见词汇也就能看个大概了。

1. 写出文件的状态

看这个图片应该能明白，文件会分在不同的桶中，bucket中存在不同状态的文件：

In-progress ：当前文件正在写入中
Pending ：当处于 In-progress 状态的文件关闭（closed）了，就变为 Pending 状态
Finished ：在成功的 Checkpoint 后，Pending 状态将变为 Finished 状态

2. 简单的字符串写出示例

DataStreamSource<String> lines = FlinkUtil.createSocketStream("localhost", 8888);

        StreamExecutionEnvironment env = FlinkUtil.getEnv();

        // 设置checkpoint

        env.enableCheckpointing(TimeUnit.SECONDS.toMillis(10));

        OutputFileConfig config = OutputFileConfig

                .builder()

                .withPartPrefix("prefix")

                .withPartSuffix(".txt")

                .build();

        final StreamingFileSink<String> sink = StreamingFileSink

                .forRowFormat(new Path(outputPath), new SimpleStringEncoder<String>("UTF-8"))

                /**

                 * 设置桶分配政策

                 * DateTimeBucketAssigner--默认的桶分配政策，默认基于时间的分配器，每小时产生一个桶，格式如下yyyy-MM-dd--HH

                 * BasePathBucketAssigner ：将所有部分文件（part file）存储在基本路径中的分配器（单个全局桶）

                 */

                .withBucketAssigner(new DateTimeBucketAssigner<>())

                /**

                 * 有三种滚动政策

                 *  CheckpointRollingPolicy

                 *  DefaultRollingPolicy

                 *  OnCheckpointRollingPolicy

                 */

                .withRollingPolicy(

                        /**

                         * 滚动策略决定了写出文件的状态变化过程

                         * 1. In-progress ：当前文件正在写入中

                         * 2. Pending ：当处于 In-progress 状态的文件关闭（closed）了，就变为 Pending 状态

                         * 3. Finished ：在成功的 Checkpoint 后，Pending 状态将变为 Finished 状态

                         *

                         * 观察到的现象

                         * 1.会根据本地时间和时区，先创建桶目录

                         * 2.文件名称规则：part-<subtaskIndex>-<partFileIndex>

                         * 3.在macos中默认不显示隐藏文件，需要显示隐藏文件才能看到处于In-progress和Pending状态的文件，因为文件是按照.开头命名的

                         *

                         */

                        DefaultRollingPolicy.builder()

                                .withRolloverInterval(TimeUnit.SECONDS.toMillis(2)) //设置滚动间隔

                                .withInactivityInterval(TimeUnit.SECONDS.toMillis(1)) //设置不活动时间间隔

                                .withMaxPartSize(1024 * 1024 * 1024) // 最大零件尺寸

                                .build())

                .withOutputFileConfig(config)

                .build();

        lines.addSink(sink).setParallelism(1);

3. 写出文件的滚动策略

数据写入文件时，查看源码可以知道

滚动策略是这么判断的：

没有处于inProgressPart状态的文件或者 DefaultRollingPolicy.shouldRollOnEvent成立，即打开的文件大小超过了滚动器中设置的大小

滚动文件时，首先关闭当前处于progress的part文件，然后创建一个新的 assembleNewPartPath，并且partCounter++（计数器）

StreamingFileSink继承自RichSinkFunction，显然之后执行一次，

该方法中注册了一个定时器，定时器的执行时间为currentProcessingTime + bucketCheckInterval

其中bucketCheckInterval为调用StreamingFileSink.forRowFormat()时，默认创建的，其默认值为60000，也就是一分钟

onProcessingTime方法继承自ProcessingTimeCallback，此方法使用调度触发器的时间戳调用。

该方法中设定了60秒的定时器，定时每60秒执行一次该方法

该方法中会调用buckets.onProcessingTime(currentTime)

里面判断是否需要关闭part文件，注意是关闭而不是滚动

判断条件为：part文件不为空并且 DefaultRollingPolicy.shouldRollOnProcessingTime条件成立

即part文件存在，并且（当前时间-part的创建时间 >= 滚动时间或者当前时间-part的最后修改时间 >= 不活跃时间）

snapshotState和initializeState方法继承自CheckpointedFunction，用来构建快照或者恢复历史状态

其中snapshotState方法会调用buckets.snapshotState()方法，对桶的状态进行快照处理

将所有处理活跃状态的桶全部进行快照处理，做快照时会检查是否需要滚动，滚动条件为：

part文件不为空并且 DefaultRollingPolicy.shouldRollOnCheckpoint成立，即文件大小超过设定

满足该条件时，就会关闭partFile

notifyCheckpointComplete方法继承自CheckpointListener，用来通知检查点完成

该方法中会调用onSuccessfulCompletionOfCheckpoint方法

会将已经关闭的（其实是处于Pending状态的文件）part文件重命名