Apache beam 如何使用ApacheBeam合并两个流并对合并的流执行有状态操作

我有两个卡夫卡流，我想通过一些键合并，在合并的流之上，我想执行有状态操作，这样我就可以将两个流的计数相加

这是我试过的，但没用

PCollection stream1=。。读卡夫卡
PCollection stream2=。。读卡夫卡
PCollection wonrdCount1=stream1.apply（…）
PCollection wonrdCount2=stream2.apply（…）
PCollection merged=使用CoGroupByKey合并wordcount1和wordcount2
PCollection finalStream=mergred.apply（…）

对于

finalstream

apply state

公共类KafkaWordCount实现可序列化{
私有字符串kafkaBrokers=null；
私有字符串主题=null；
公共KafkaWordCount（字符串代理，字符串主题）{
这个。卡夫卡布洛克=经纪人；
this.topic=主题；
}
公共PCollection构建（管道p）{
最后一个字符串myState=“HELLO”；
PCollection res=
p、 apply（KafkaIO.read（）
.使用bootstrapserver（此为.kafkaBrokers）
.withTopic（this.topic）
.withKeyDeserializer（LongDeserializer.class）
.withValueDeserializer（StringDeserializer.class））
.适用（新DoFn（）的第{
@过程元素
public void processElement（ProcessContext ProcessContext）{
KafkaRecord记录=processContext.element（）；
processContext.output（record.getKV（）.getValue（））；
}
}))
.apply（“提取单词”，
（新DoFn（）的副部长{
@过程元素
公共void processElement（ProcessContext c）{
for（字符串字：c.element（）.split（[^\\p{L}]+”）{
如果（！word.isEmpty（））{
c、 输出（字，1L）千伏；
}
}
}
}));
返回res；
}
}

公共类数据管道{
公共静态void main（字符串[]args）{
最后一个字符串stateId=“myMapState”；
最后一个字符串myState=“myState”；
PipelineOptions=PipelineOptionsFactory.create（）；
options.as（FlinkPipelineOptions.class）.setRunner（FlinkRunner.class）；
Pipeline p=Pipeline.create（选项）；
PCollection stream1=
新KafkaWordCount（“本地主机：9092”，“idm”）
.建造（p）
.申请(
窗
.进入(
固定窗口数（持续时间毫秒（3600000）））
.触发(
重复。永久（AfterPane.ElementCount至少（1）））
.允许延迟（持续时间为零）
.丢弃火锅（））；
P收集流2=
新卡夫卡沃德计数（“本地主机：9092”，“协助”）
.建造（p）
.申请(
窗
.进入(
固定窗口数（持续时间毫秒（3600000）））
.触发(
重复。永久（AfterPane.ElementCount至少（1）））
.允许延迟（持续时间为零）
.丢弃火锅（））；
final TupleTag web=new TupleTag（）；
最终TupleTag assist=新TupleTag（）；
PCollection联合流=
KeyedPCollectionTuple.of（web，stream1）
.及（协助，2）
.apply（CoGroupByKey.create（））；
PCollection finalCountStream=
联合流
.适用(
新DoFn（）{
@StateId（StateId）
私有最终状态规范mapState=
StateSpecs.map（）；
@过程元素
公共无效处理元素(
ProcessContext ProcessContext，
@StateId（StateId）映射状态（state state）{
KV element=processContext.element（）；
Iterable count1=element.getValue（）.getAll（web）；
Iterable count2=element.getValue（）.getAll（辅助）；
长金额=
河道支护
.小溪(
易怒
.concat（count1，count2）
.spliterator（），
（错误）
.collect（收集器.summingLong（n->n））；
System.out.println（element.getKey（）+“：”+sumAmount）；
//processContext.output（element.getKey（）+“：”+sumAmount）；
Long currCount=state.get（element.getKey（））.read（）=null？0L:state.get（element.getKey（））.read（）；
Long newCount=currCount+summantium；
state.put（element.getKey（），sumAmount）；
processContext.output（KV.of（element.getKey（），sumAmount））；
}
}));
最终结算流
.适用（新DoFn（）的第{
@过程元素
public void processElement（ProcessContext ProcessContext）{
processContext.output（processContext.element（））；
}
}))
.适用（“最终状态”，第页（新DoFn）（）{
@StateId（myState）
私有最终状态规范mapState=
StateSpecs.map（）；
@过程元素
公共无效处理元素(
进程上下文c，
@StateId（myState）映射状态（state状态）{
KV e=c.元件（）；
System.out.println（“线程ID:
+Thread.currentThread（）.getId（））；
长电流计数=
state.get（e.getKey（））.read（）==null
？0升
：state.get（例如getKey（））.read（）；
Long newCount=currCount+e.getValue（）；
state.put（例如getKey（），newCount）；
c、 输出（如getKey（）+“：”+newCount）；
}
}))
.apply（KafkaIO.write（）
.WithBootstrapServer（“本地主机：9092”）
.withTopic（“测试”）
.withValueSerializer（StringSerializer.class）
.values（））；
/*finalCountStream.apply（卡夫卡约）。