官方參考文件地址：https://ci.apache.org/projects/flink/flink-docs-release-1.2/dev/batch/index.html#distributed-cache

Flink提供了一個類似於Hadoop的分散式快取，讓並行執行例項的函式可以在本地訪問。這個功能可以被使用來分享外部靜態的資料，例如：機器學習的邏輯迴歸模型等！

快取的使用流程：

接下來直接上程式碼：

package com.daxin

import java.io.{FileReader, BufferedReader}

import org.apache.flink.api.common.functions.RichMapFunction
import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.api.scala._
import org.apache.flink.configuration.Configuration

import 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執行，快取的是本地檔案，快取檔名字為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")//獲取快取檔案
        //讀取快取檔案內容到HashMap中，這個也可以使用廣播實現
        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") //返回該value在map中的value值，如果不存在key為value的返回預設default

      }
    })

    result.print() //執行作業

  }

}