Flink 数据源拆解分析 (WikipediaEditsSource)
public static final int DEFAULT_PORT = 6667;
//IRC 协议的 channel
public static final Strin
g DEFAULT_CHANNEL = "#en.wikipedia";
private final String host;
private final int port;
private final String channel;
public WikipediaEditsSource() {
this(DEFAULT_HOST, DEFAULT_PORT, DEFAULT_CHANNEL);
}
public WikipediaEditsSource(String host, int port, String channel) {
this.host = host;
this.port = port;
this.channel = Objects.requireNonNull(channel);
}
通过上述代码可以见到,数据的来源是 irc.wikimedia.org 这个网址;
主业务代码
主要的业务逻辑是 WikipediaEditsSource 的 run 方法,该方法在任务启动的时候会被 StreamSource.run 方法调用:
@Override
public void run(SourceContext<WikipediaEditEvent> ctx) throws Exception {
try (WikipediaEditEventIrcStream ircStream = new WikipediaEditEventIrcStream(host, port)) {
// 创建一个 IRC 协议的连接
ircStream.connect();
//进入指定的 channel
ircStream.join(channel);
try {
while (isRunning) {
//从阻塞队列中获取数据
WikipediaEditEvent edit = ircStream.getEdits().poll(100, TimeUnit.MILLISECONDS);
//如果取到了数据,就调用 ctx.collect 方法,将数据生产到 Flink 环境,给其他 operator 使用
if (edit != null) {
ctx.collect(edit);
}
}
} finally {
//结束时要向服务器发送数据表示离开
ircStream.leave(channel);
}
}
}
上面的代码,我们挑几处重要的展开看一看;
和维基百科消息服务器建立连接后做的事情
为了弄明白 Flink 是如何与维基百科的数据源建立连接的,先把 ircStream.connect()这段代码展开,对应的是 IRCConnection 类的 connect 方法:
public void connect() throws IOException {
if (level != 0) // otherwise disconnected or connect
throw new SocketException("Socket closed or already open ("+ level +")");
IOException exception = null;
Socket s = null;
for (int i = 0; i < ports.length && s == null; i++) {
try {
//建立的是普通 Socket 连接
s = new Socket(host, ports[i]);
exception = null;
} catch (IOException exc) {
if (s != null)
s.close();
s = null;
exception = exc;
}
}
if (exception != null)
throw exception; // connection wasn't successful at any port
prepare(s);
}
上述代码表明,Flink 与维基百科的数据源服务器之间建立的是普通的 Socket 连接,至于 IRC 协议,都是在这个 Socket 连接的通道里的一些读写操作;
上面的 prepare 方法比较关键,展开看看:
protected void prepare(Socket s) throws IOException {
if (s == null)
throw new SocketException("Socket s is null, not connected");
socket = s;
level = 1;
s.setSoTimeout(timeout);
in = new BufferedReader(new InputStreamReader(s.getInputStream(),
encoding));
out = new PrintWriter(new OutputStreamWriter(s.getOutputStream(),
encoding));
//IRCConnection 是 Thread 的子类,执行 start 方法就表明会启动一个线程来执行 IRCConnection 的 run 方法
start();
//遵守 IRC 协议约定,发送一些注册相关的内容
register();
}
可以看出,prepare 方法做了两个重要的事情:启动一个子线程、发送 IRC 协议的注册信息,接下来看启动的子线程做了什么;
打开 IRCConnection 的 run 方法:
public void run() {
try {
String line;
while (!isInterrupted()) {
line = in.readLine();
if (line != null)
get(line);
else
close();
}
} catch (IOException exc) {
close();
}
}
run 方法中的内容很简单,就是让这个子线程负责读取远端发送的字符串,每读到一行就调用 get 方法去处理;
get 方法的内容很多,做的事情是根据 IRC 协议解析这个字符串再做不同的处理,这里我们只要关注下面这段,就是收到一条业务消息后如何处理:
//每当有人编辑了维基百科,这里就会收到一条 command 为 PRIVMSG 的记录
if (command.equalsIgnoreCase("PRIVMSG")) { // MESSAGE
IRCUser user = p.getUser();
String middle = p.getMiddle();
String trailing = p.getTrailing();
for (int i = listeners.length - 1; i >= 0; i--)
//调用 listener 的 onPrivmsg 方法
listeners[i].onPrivmsg(middle, user, trailing);
}
如上所示,每收到一条远端发来的消息,都会调用 listener 的 onPrivmsg 方法,这里的注册的 linstener 是 WikipediaIrcChannelListener 对象;
打开 WikipediaIrcChannelListener 的 onPrivmsg 方法,看看收到消息后做了什么:
@Override
public void onPrivmsg(String target, IRCUser user, String msg) {
LOG.debug("[{}] {}: {}.", target, user.getNick(), msg);
//根据消息构造一个 WikipediaEditEvent 对象,就是 Flink 的业务流程中用到的数据对象
WikipediaEditEvent event = WikipediaEditEvent.fromRawEvent(
System.currentTimeMillis(),
target,
msg);
if (event != null) {
评论