1 分布式缓存
- Flink提供了一个分布式缓存，类似于hadoop，可以使用户在并行函数中很方便的读取本地文件，并把它放在taskmanager节点中，防止task重复拉取。
- 此缓存的工作机制如下：程序注册一个文件或者目录(本地或者远程文件系统，例如hdfs或者s3)，通过ExecutionEnvironment注册缓存文件并为它起一个名称。当程序执行，Flink自动将文件或者目录复制到所有taskmanager节点的本地文件系统，仅会执行一次。用户可以通过这个指定的名称查找文件或者目录，然后从taskmanager节点的本地文件系统访问它
-
2 使用技巧
-
1：注册一个文件
env.registerCachedFile("hdfs:///path/to/your/file", "hdfsFile") -
2：访问数据
File myFile = getRuntimeContext().getDistributedCache().getFile("hdfsFile");
-
3 应用案例实战
3.1 在D盘创建一个文件discache.txt，并进行registerCachedFile
3.2 每一个TaskManager都会存在一份，防止MapTask重复拉取文件。
import org.apache.commons.io.FileUtilsimport org.apache.flink.api.common.functions.RichMapFunctionimport org.apache.flink.api.scala.ExecutionEnvironmentimport org.apache.flink.configuration.Configurationobject BatchDemoDisCacheScala { def main(args: Array[String]): Unit = { val env = ExecutionEnvironment.getExecutionEnvironment import org.apache.flink.api.scala._ //1:注册文件 env.registerCachedFile("d:\\data\\file\\a.txt","b.txt") val data = env.fromElements("a","b","c","d") val result = data.map(new RichMapFunction[String,String] { override def open(parameters: Configuration): Unit = { super.open(parameters) val myFile = getRuntimeContext.getDistributedCache.getFile("b.txt") val lines = FileUtils.readLines(myFile) val it = lines.iterator() while (it.hasNext){ val line = it.next(); println("line:"+line) } } override def map(value: String) = { value } }) result.print() }}
参考：
https://blog.csdn.net/shenshouniu/article/details/84499655
https://ci.apache.org/projects/flink/flink-docs-release-1.6/dev/batch/