Flink Time

基礎概念

支持兩種時間概念:

  • Processing Time 時間遞增
  • Ingestion Time : 攝入時間,數據進入Flink框架的時間,在Source Operator中設置,每個事件拿到當前時間作爲時間戳,後續的時間窗口基於該時間
  • Event Time 支持一定程度的亂序
    上一個 checkpoint 或者 savepoint 進行重放,是不是希望結果完全相同。如果希望結果完全相同,就只能用 Event Time;如果接受結果不同,則可以用 Processing Time。

watermark

一個watermark 代表了 watermark所包含的timestamp 數值,表示後來的數據已經再也沒有小於或等於這個時間的了.

Flink 支持兩種 watermark 生成方式:

  • 在SourceFunction中產生

collectWithTimestamp 方法發送一條數據
第一個參數就是我們要發送的數據
第二個參數就是這個數據所對應的時間戳
emitWatermark 去產生一條 watermark: 表示接下來不會再有時間戳小於等於這個數值記錄

  • 在使用DataStream API 的時候指定
DataStream.assignTimestampsAndWatermarks

建議生成的工作越靠近 DataSource 越好。這樣會方便讓程序邏輯裏面更多的 operator 去判斷某些數據是否亂序。

code demo:

object WaterMakerTest {
    def main(args: Array[String]): Unit = {
        val env = StreamExecutionEnvironment.getExecutionEnvironment
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
        env.setParallelism(1)

        val dataStream: DataStream[Order] = env.socketTextStream("localhost", 9999).map(item => {
            val itemArray = item.split(",")
            Order(itemArray(0).toLong, itemArray(1), itemArray(2).toDouble)
        })

        val outputStream: DataStream[Order] = dataStream.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[Order](Time.seconds(0)) {
            override def extractTimestamp(element: Order): Long = element.timestamp * 1000L
        }).keyBy("category").timeWindow(Time.seconds(5)).apply(new MyWindowFunction)

        dataStream.print("Data")
        outputStream.print("Result")

        env.execute()
    }
}

class MyWindowFunction extends WindowFunction[Order, Order, Tuple, TimeWindow] {
    override def apply(key: Tuple, window: TimeWindow, input: Iterable[Order], out: Collector[Order]): Unit = {
        val timestamp = window.maxTimestamp()
        var sum: Double = 0
        for (elem <- input) {
            sum += elem.price
        }

        val category = key.asInstanceOf[Tuple1[String]].f0
        out.collect(Order(timestamp, category, sum))
    }
}


case class Order(timestamp: Long, category: String, price: Double)

總結

主要了解Flink的時間概念以及Watermark的作用,它可以處理亂序數據,通過watermark來定義關窗的時間點. 可以在SourceFunction和DataStream API 指定生成 Watermark.

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章