本文共 1629 字，大约阅读时间需要 5 分钟。

官方参考文档地址：https://ci.apache.org/projects/flink/flink-docs-release-1.2/dev/batch/index.html#distributed-cache

Flink提供了一个类似于Hadoop的分布式缓存，让并行运行实例的函数可以在本地访问。这个功能可以被使用来分享外部静态的数据，例如：机器学习的逻辑回归模型等！

缓存的使用流程：

接下来直接上代码：

package com.daxinimport java.io.{FileReader, BufferedReader}import org.apache.flink.api.common.functions.RichMapFunctionimport org.apache.flink.api.scala.ExecutionEnvironmentimport org.apache.flink.api.scala._import org.apache.flink.configuration.Configurationimport scala.collection.mutable.HashMap/**  *  * Created by Daxin on 2017/4/18.  *  */object DistributedCache {  def main(args: Array[String]) {    val env = ExecutionEnvironment.getExecutionEnvironment    //本地IDE运行，缓存的是本地文件，缓存文件名字为cahce    env.registerCachedFile("file:///C://logs//flink", "cache")    val data = env.fromElements("111", "222", "333")    val result = data.map(new RichMapFunction[String, String] {      val map = HashMap[String, String]()      override def open(parameters: Configuration): Unit = {        val file = getRuntimeContext.getDistributedCache.getFile("cache")//获取缓存文件        //读取缓存文件内容到HashMap中，这个也可以使用广播实现        val br = new BufferedReader(new FileReader(file))        var line = br.readLine()        while (line != null) {          map.put(line, line + "" + line)          line = br.readLine()        }      }      override def map(value: String): String = {        map.getOrElse(value, "default") //返回该value在map中的value值，如果不存在key为value的返回默认default      }    })    result.print() //执行作业  }}

转载地址：http://ffjlf.baihongyu.com/