网站建设的趋势,2017常用的网站,新手站长做装修网站,顺德网站建设Flink Window 常见需求背景
需求描述
每隔 5 秒#xff0c;计算最近 10 秒单词出现的次数 —— 滑动窗口 每隔 5 秒#xff0c;计算最近 5 秒单词出现的次数 —— 滚动窗口
关于 Flink time 种类 TimeCharacteristic ProcessingTimeIngestionTimeEventTime
WindowAssign…Flink Window 常见需求背景
需求描述
每隔 5 秒计算最近 10 秒单词出现的次数 —— 滑动窗口 每隔 5 秒计算最近 5 秒单词出现的次数 —— 滚动窗口
关于 Flink time 种类 TimeCharacteristic ProcessingTimeIngestionTimeEventTime
WindowAssigner 的子类
SlidingProcessingTimeWindowsSlidingEventTimeWindowsTumblingEventTimeWindowsTumblingProcessingTimeWindows
使用 EventTime WaterMark 处理乱序数据
示意图
使用 onPeriodicEmit 方法发送 watermark默认每 200ms 发一次。窗口起始时间默认按各个时区的整点时间支持自定义 offset。
Flink Watermark 机制定义
有序的流的 Watermarks 无序的流的 Watermarks 多并行度流的 Watermarks 深入理解 Flink Watermark
Flink Window 触发的条件
watermark 时间 window_end_time在 [window_start_time, window_end_time) 区间中有数据存在注意是左闭右开的区间而且是以 event time 来计算的
Flink 处理太过延迟数据
Flink 丢弃延迟太多的数据
企业生产中一般不用。
Flink 指定允许再次迟到的时间
治标不治本企业生产中一般不用。
Flink 收集迟到的数据单独处理
企业生产中应用较为广泛。
Flink 多并行度 Watermark
一个 window 可能会接受到多个 waterMark我们以最小的为准。
Flink Window 概述
官网介绍
https://nightlies.apache.org/flink/flink-docs-release-1.14/docs/dev/datastream/operators/windows/
Flink Window 分类
Flink 的 window 分为两种类型的 Window分别是Keyed Windows 和 Non-Keyed Windows他们的使用方式不同
// Keyed Windows
stream.keyBy(...) - keyed versus non-keyed windows.window(...) - required: assigner[.trigger(...)] - optional: trigger (else default trigger)[.evictor(...)] - optional: evictor (else no evictor)[.allowedLateness(...)] - optional: lateness (else zero)[.sideOutputLateData(...)] - optional: output tag (else no side output for late data).reduce/aggregate/apply() - required: function[.getSideOutput(...)] - optional: output tag// Non-Keyed Windows
stream.windowAll(...) - required: assigner[.trigger(...)] - optional: trigger (else default trigger)[.evictor(...)] - optional: evictor (else no evictor)[.allowedLateness(...)] - optional: lateness (else zero)[.sideOutputLateData(...)] - optional: output tag (else no side output for late data).reduce/aggregate/apply() - required: function[.getSideOutput(...)] - optional: output tagWindow 的生命周期
当属于某个窗口的第一个元素到达的时候就会创建一个窗口。当时间event or processing time超过 window 的结束时间戳加上用户指定的允许延迟Allowed Lateness时窗口将被完全删除。每个 Window 之上都绑定有一个 Trigger 或者一个 FunctionProcessWindowFunction, ReduceFunction, or AggregateFunction用来执行窗口内数据的计算。可以给 Window 指定一个 Evictor它能够在 after the trigger fires 以及 before and/or after the function is applied 从窗口中删除元素。
Flink Window 类型
Flink 流批同一前后的 Window 分类
tumblingwindows —— 滚动窗口 slidingwindows —— 滑动窗口 session windows —— 会话窗口 global windows —— 全局窗口 Flink Window 操作使用
高级玩法自定义 Trigger、自定义 Evictor读者可自行搜索相关文章与代码。
Flink Window 增量聚合
reduce(ReduceFunction)aggregate(AggregateFunction)sum()min()max()sum()
Flink Window 全量聚合
apply(WindowFunction)process(ProcessWindowFunction)
Flink Window Join
// 在 Flink 中对两个 DataStream 做 Join
// 1、指定两张表
// 2、指定这两张表的链接字段
stream.join(otherStream) // 两个流进行关联.where(KeySelector) // 选择第一个流的key作为关联字段.equalTo(KeySelector) // 选择第二个流的key作为关联字段.window(WindowAssigner) // 设置窗口的类型.apply(JoinFunction) // 对结果做操作 process apply foreachTumbling Window Join Sliding Window Join Session Window Join Interval Join 核心代码示例
DataStreamInteger orangeStream ...;
DataStreamInteger greenStream ...;
orangeStream.keyBy(KeySelector).intervalJoin(greenStream.keyBy(KeySelector)).between(Time.milliseconds(-2), Time.milliseconds(1)).process (new ProcessJoinFunctionInteger, Integer, String(){Overridepublic void processElement(Integer left, Integer right, Context ctx, CollectorString out) {out.collect(first , second);}});
