我在Java中编写了一个Flink流作业,它加载包含订户数据(4列)的csv文件,然后在与订户数据匹配时从套接字流中读取数据。加载大文件时Flink作业在提交时挂起
起初我是用一个小的csv文件(8 MB)和一切工作正常:
# flink run analytics-flink.jar 19001 /root/minisubs.csv /root/output.csv
loaded 200000 subscribers from csv file
11/02/2015 16:36:59 Job execution switched to status RUNNING.
11/02/2015 16:36:59 Socket Stream -> Flat Map -> Filter -> Map -> Stream Sink(1/1) switched to SCHEDULED
11/02/2015 16:36:59 Socket Stream -> Flat Map -> Filter -> Map -> Stream Sink(1/1) switched to DEPLOYING
11/02/2015 16:36:59 Socket Stream -> Flat Map -> Filter -> Map -> Stream Sink(1/1) switched to RUNNING
我切换csv文件到一个更大的(〜45 MB),现在我看到的是这样的:
# flink run analytics-flink.jar 19001 /root/subs.csv /root/output.csv
loaded 1173547 subscribers from csv file
请注意,上面的订阅者数量是文件中的行数。我试图在Flink配置中查找任何超时,但我找不到任何超时。
任何帮助,非常感谢!
编辑:CSV是加载利用公共-CSV 1.2库使用这种方法:
private static HashMap<String, String> loadSubscriberGroups(
String referenceDataFile) throws IOException {
HashMap<String,String> subscriberGroups = new HashMap<String, String>();
File csvData = new File(referenceDataFile);
CSVParser parser = CSVParser.parse(csvData, Charset.defaultCharset(), CSVFormat.EXCEL);
for (CSVRecord csvRecord : parser) {
String imsi = csvRecord.get(0);
String groupStr = csvRecord.get(3);
if(groupStr == null || groupStr.isEmpty()) {
continue;
}
subscriberGroups.put(imsi, groupStr);
}
return subscriberGroups;
}
和这里的文件(我知道有在最后一个逗号的样本,最后一栏是空的现在):
450000000000001,450000000001,7752,Tier-2,
450000000000002,450000000002,1112,Tier-1,
450000000000003,450000000003,6058,Tier-2,
加载CSV文件究竟该怎么做?你能否提供一个读取CSV文件的程序片段? –
编辑后添加csv加载方法 –
感谢您的更新。使用CSV数据做什么?你如何将它注入Flink程序? –