1

我想使用谷歌云存储从我的流媒体作业中写入（接收）元素。DataStreamStreamingFileSink

为此，我使用Hadoop 的Google Cloud Storage 连接器作为 的实现，org.apache.hadoop.fs.FileSystem并用作包装 Flink 的hadoop FileSystem类的实现。HadoopFileSystemorg.apache.flink.core.fs.FileSystem

我在我的 gradle 文件中包含了以下依赖项：

  • compile("com.google.cloud.bigdataoss:gcs-connector:1.9.4-hadoop2")
  • compile("org.apache.flink:flink-connector-filesystem_2.11:1.6.0")
  • provided("org.apache.flink:flink-shaded-hadoop2:1.6.0")

现在，根据我对源[1] [2] [3]FileSystemFactory的理解，Flink在运行时（通过java.util.ServiceLoader）动态加载实现，并且HadoopFsFactory在运行时（通过反射，如果它在类路径中找到 Hadoop）加载它然后用于创建FileSystem.

我面临的问题是RecoverableWriterHadoop 兼容包的默认值仅支持hdfs文件方案（我使用gs），因此在运行时抛出错误。

所以，我（我调用extended了）和返回一个自定义实现，然后处理恢复的细节等，并创建了一个相应的类（该类用 装饰，因此应该可以被 发现）。HadoopFileSystemGCSFileSystem@overridedFileSystem#createRecoverableWriter()RecoverableWriterFileSystemFactory@AutoServiceServiceLoader

该设置在本地和本地 docker 集群上运行良好（实际上 GCS 连接器由于缺乏授权而引发错误，但这很好，因为这意味着FileSystem已加载并正在运行）但是当我将它部署到正在运行的 docker 集群时它会失败在谷歌计算引擎上。

在 GCE 上，默认值HadoopFileSystem被加载并按照方案 isgs而不是抛出异常hdfs，但我的假设是它应该已经加载了我的工厂实现，因此不应该出现这个错误。

我在 Flink v1.6.0上并使用docker-flink在 Docker 上运行长时间运行的会话集群

4

1 回答 1

1

答案在 OP 的最后一行！！

我在一个长寿的 Session-cluster上运行，当我job.jar执行时，FileSystem初始化已经完成并且工厂已经加载！因此，当我添加我的作业时，没有进行初始化调用。

解决方案？根据您部署工作的方式，有几种方法：

  • 独立：FileSystem将包含实现的 jar 添加到lib/目录

  • Cluster ( manual)：FileSystem将包含实现的 jar 添加到lib/您的zip或图像的目录或其他目录中。

  • Cluster ( docker)( long-living)：创建自定义容器镜像并将 jar 添加到该lib/镜像的目录。

  • Cluster ( docker)( per-job-session)：创建自定义容器映像并将所有 jars（包含FileSystem和您的作业等）添加到lib/目录中，在此处阅读有关每个作业会话的更多信息。

于 2018-09-22T06:26:14.993 回答