Apache flink Flink上的非阻塞流媒体

嗨，我正在尝试运行一个Flink作业，它应该按如下方式处理传入的数据。在

keyBy（）

之后的流程操作符中，根据数据中的某些属性，应该存在花费太多时间的情况。即使传入数据具有不同的ID（用于流中的

keyBy（）

），流程中的长处理代码功能也会阻止其他传入数据。我是说整条小溪

SingleOutputStreamOperator<Envelope> processingStream = deviceStream
    .map(e -> (Envelope) e)
    .keyBy((KeySelector<Envelope, String>) value -> value.eventId) // key by scenarios
    .process(new RuleProcessFunction());

---

我希望长时间运行的代码块不应该阻塞整个流。我知道有AsyncFunction用于阻止IO情况，但我不知道这是正确的解决方案

因为您不需要像Cassandra这样从外部数据库中提取数据，所以我认为您不需要使用异步函数

---

您正在以单一并行方式运行flink作业可能是什么情况。尝试增加并行性，使一个内核不负责所有的处理和接收数据。当然，如果你这样做，仍然会有背压。因为，如果负责从源接收数据的内核读取数据的速度比运行processFunction的内核快，Flink的背压处理将减慢接收速度。

谢谢@Jicaar，如果我在processFunction的processElement（..）中使用ListenableFuture或CompletableFuture会怎么样具有固定线程池ExecutionService的方法。这合理吗？未来上市公司应该给你你想要的。老实说，我没有使用CompletableFuture，所以我不知道两者之间的利弊。是的，我认为这是合理的。状态（ValueState，MapState），它们是线程安全的吗？当我使用异步方法时，我需要访问进程操作符的状态，所以它需要接近竞争条件之类的问题。

...
@Override
public void processElement(Envelope value, Context ctx, Collector<Envelope> out) throws Exception {
    //handleEvent(value, ctx, out);
    if (value.getEventId().equals("I")) {
        System.out.println("hello i");
        for (long i = 0; i < 10000000000L; i++) {

        }
    }
    out.collect(value);
}