This documentation is for an out-of-date version of Apache Flink. We recommend you use the latest stable version.

常见问题 #

本页介绍了针对PyFlink用户的一些常见问题的解决方案。

准备Python虚拟环境 #

您可以下载[便捷脚本]({% link downloads/setup-pyflink-virtual-env.sh %})，以准备可在Mac OS和大多数Linux发行版上使用的Python虚拟环境包(virtual env zip)。您可以指定PyFlink的版本，来生成对应的PyFlink版本所需的Python虚拟环境，否则将安装最新版本的PyFlink所对应的Python虚拟环境。

$ sh setup-pyflink-virtual-env.sh 1.15.4

集群（Cluster） #

$ # 指定Python虚拟环境
$ table_env.add_python_archive("venv.zip")
$ # 指定用于执行python UDF workers (用户自定义函数工作者) 的python解释器的路径
$ table_env.get_config().set_python_executable("venv.zip/venv/bin/python")

如果需要了解add_python_archive和set_python_executable用法的详细信息，请参阅相关文档。

添加Jar文件 #

PyFlink作业可能依赖jar文件，比如connector，Java UDF等。您可以在提交作业时使用以下Python Table API或通过命令行参数来指定依赖项。

# 注意：仅支持本地文件URL（以"file:"开头）。
table_env.get_config().set("pipeline.jars", "file:///my/jar/path/connector.jar;file:///my/jar/path/udf.jar")

# 注意：路径必须指定协议（例如：文件——"file"），并且用户应确保在客户端和群集上都可以访问这些URL。
table_env.get_config().set("pipeline.classpaths", "file:///my/jar/path/connector.jar;file:///my/jar/path/udf.jar")

有关添加Java依赖项的API的详细信息，请参阅相关文档。

添加Python文件 #

您可以使用命令行参数pyfs或TableEnvironment的API add_python_file添加python文件依赖，这些依赖可以是python文件，python软件包或本地目录。例如，如果您有一个名为myDir的目录，该目录具有以下层次结构：

myDir
├──utils
    ├──__init__.py
    ├──my_util.py

您可以将添加目录myDir添加到Python依赖中，如下所示：

table_env.add_python_file('myDir')

def my_udf():
    from utils import my_util

当在 mini cluster 环境执行作业时，显式等待作业执行结束 #

当在 mini cluster 环境执行作业（比如，在IDE中执行作业）且在作业中使用了如下API（比如 Python Table API 的 TableEnvironment.execute_sql, StatementSet.execute 和 Python DataStream API 的 StreamExecutionEnvironment.execute_async）的时候，因为这些API是异步的，请记得显式地等待作业执行结束。否则程序会在已提交的作业执行结束之前退出，以致无法观测到已提交作业的执行结果。请参考如下示例代码，了解如何显式地等待作业执行结束：

# 异步执行 SQL / Table API 作业
t_result = table_env.execute_sql(...)
t_result.wait()

# 异步执行 DataStream 作业
job_client = stream_execution_env.execute_async('My DataStream Job')
job_client.get_job_execution_result().result()

注意: 当往远程集群提交作业时，无需显式地等待作业执行结束，所以当往远程集群提交作业之前，请记得移除这些等待作业执行结束的代码逻辑。