flink重温笔记（九）：Flink 高级 API 开发——flink 四大基石之WaterMark（Time为核心(2)

2401_84181481

已于 2024-04-11 19:21:12 修改

阅读量826

点赞数 18

分类专栏： 2024年程序员学习文章标签： flink 笔记大数据

于 2024-04-11 19:21:10 首次发布

本文链接：https://blog.csdn.net/2401_84181481/article/details/137649805

版权

2024年程序员学习专栏收录该内容

65 篇文章 0 订阅

订阅专栏

DataStream dataStream = … ;
dataStream.assignTimestampsAndWatermarks(WatermarkStrategy.forBoundedOutOfOrderness(Duration.ofSeconds(3)));


###### (2) 单调递增生成水印


简介：当前时间戳就可以充当 watermark，因为后续到达数据的时间戳不会比当前的小（网络延迟）。


例子：

DataStream dataStream = … ;
dataStream.assignTimestampsAndWatermarks(WatermarkStrategy.forMonotonousTimestamps());


###### 2.4.2 自定义水印生成策略


###### (1) 周期性 watermark 策略


* 升序watermark：单调递增生成水印
* 乱序watermark：固定延迟生成水印


都是基于周期性生成，默认的周期是 **200ms**，一般不去改，保持在 ms 级别 **onPeriodicEmit()**


###### (2) 间歇性 watermark 策略


* 每一个事件时间都会产生一个watermark




---


##### 2.5 在非数据源之后使用水印 [重点]


###### 2.5.1 WaterMark 的四种使用情况


###### (1) 本来有序的 Stream中的 Watermark


例子：以 java bean 的数据输入作为有序事件时间

package cn.itcast.day09.WaterMark;

/**
* @author lql
* @time 2024-03-01 21:11:00
* @description TODO
*/

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.datastream.WindowedStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.AscendingTimestampExtractor;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

/**
* 使用单调递增水印，解决数据有序的场景（大多数情况都是乱序的数据，因此该场景比较少见）
* 需求：从socket接受数据，进行转换操作，然后应用窗口每隔5秒生成一个窗口，使用水印时间触发窗口计算
*
* 使用水印的前提：
* 1：数据必须要携带事件时间
* 2：指定事件时间作为数据处理的时间
* 3：指定并行度为1
* 4：使用之前版本的api的时候，需要增加时间类型的代码
*
* 测试数据：
* sensor_1,1547718199,35 -》2019-01-17 17:43:19
* sensor_6,1547718201,15 -》2019-01-17 17:43:21
* sensor_6,1547718205,15 -》2019-01-17 17:43:25
* sensor_6,1547718210,15 -》2019-01-17 17:43:30
*
* todo 如果窗口销毁以后，有延迟数据的到达会被丢弃，无法再次触发窗口的计算了
*/
public class MonotonousWaterMark {
public static void main(String[] args) throws Exception {
//todo 1）创建flink流处理的运行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);

    //设置 Flink 程序中流数据时间语义为 EventTime。
    // 在处理数据时 Flink 程序会按照数据事件发生的时间进行处理，而不是按照数据到达 Flink 程序的时间进行处理。
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

    //todo 2) 接入数据源
    SingleOutputStreamOperator<WaterSensor> lines = env.socketTextStream("node1", 9999)
            .map(new MapFunction<String, WaterSensor>() {
                @Override
                public WaterSensor map(String value) throws Exception {
                    String[] data = value.split(",");
                    return new WaterSensor(data[0], Long.valueOf(data[1]), Integer.parseInt(data[2]));
                }
            });

    //todo 3）添加水印处理
    //flink1.12之前版本的api编写（单调递增水印本质上还是周期性水印）
    SingleOutputStreamOperator<WaterSensor> waterMarkStream = lines.assignTimestampsAndWatermarks(new AscendingTimestampExtractor<WaterSensor>() {
        @Override
        public long extractAscendingTimestamp(WaterSensor element) {
            // 因为我们在转换时间戳，需要毫秒级别！
            return element.getTs()\*1000L;
        }
    });

    waterMarkStream.print("数据>>>");

    //todo 4）应用窗口操作，设置窗口长度为5秒
    WindowedStream<WaterSensor, String, TimeWindow> sensorWS = waterMarkStream.keyBy(sensor -> sensor.getId()).window(TumblingEventTimeWindows.of(Time.seconds(5)));

    //todo 5）定义窗口函数
    SingleOutputStreamOperator<String> result = sensorWS.process(new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
        @Override
        public void process(String s, Context context, Iterable<WaterSensor> elements, Collector<String> out) throws Exception {
            out.collect("key" + s + "\n" +
                    "数据为" + elements + "\n" +
                    "数据条数为" + elements.spliterator().estimateSize() + "\n" +
                    "窗口时间为" + context.window().getStart() + "->" + context.window().getEnd());
        }
    });

    //todo 6）输出测试
    result.print();

    //todo 启动运行
    env.execute();
}

/\*\*

* 水位传感器，用来接受水位数据
*/
@Data
@AllArgsConstructor
@NoArgsConstructor
private static class WaterSensor {
private String id; //传感器id
private long ts; //时间
private Integer vc; //水位
}
}


注意：flink 1.12 版本之后的有序流添加周期水印

//注意:下面的代码使用的是Flink1.12中新的API
SingleOutputStreamOperator sensorDS = lines
//TODO 有序流中的watermark
.assignTimestampsAndWatermarks(
//指定watermark生成（单调递增）
WatermarkStrategy.forMonotonousTimestamps()
.withTimestampAssigner(new SerializableTimestampAssigner() {
@Override
public long extractTimestamp(WaterSensor element, long recordTimestamp) {
//指定如何从数据提取时间戳
return element.getTs() * 1000L;
}));


结果：

情况一：一种类别输入
sensor_6,1547718201,15 -》2019-01-17 17:43:21
sensor_6,1547718205,15 -》2019-01-17 17:43:25
sensor_6,1547718210,15 -》2019-01-17 17:43:30

输出：
数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)
数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718205, vc=15)
keysensor_6
数据为[MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)]
数据条数为1
（2019-01-17 17:43:20 - > 2019-01-17 17:43:25）

数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718210, vc=15)
keysensor_6
数据为[MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718205, vc=15)]
数据条数为1
窗口时间为1547718205000->1547718210000
（2019-01-17 17:43:25 - > 2019-01-17 17:43:30）

情况二：两种类别输入
sensor_1,1547718199,35 -》2019-01-17 17:43:19
sensor_6,1547718201,15 -》2019-01-17 17:43:21
sensor_6,1547718205,15 -》2019-01-17 17:43:25
sensor_6,1547718210,15 -》2019-01-17 17:43:30

输出：
数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_1, ts=1547718199, vc=35)
数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)
数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718205, vc=15)
keysensor_1
数据为[MonotonousWaterMark.WaterSensor(id=sensor_1, ts=1547718199, vc=35)]
数据条数为1
窗口时间为1547718195000->1547718200000
（2019-01-17 17:43:15 - > 2019-01-17 17:43:20）

keysensor_6
数据为[MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)]
数据条数为1
窗口时间为1547718200000->1547718205000
（2019-01-17 17:43:20 - > 2019-01-17 17:43:25）


总结：


* 1- 体现窗口左闭右开思想（即右端时间重合的数据不参与计算）
* 2- 有序数据的水印窗口标准开始时间 ：时间戳（秒级）// 窗口长度 \* 窗口长度 \* 1000 （这里的整除可以去掉余数）

// 如果是秒级，而不是时间戳：
1）start = timestamp - (timestamp - offset + windowSize) % windowSize;

事件时间 - （事件时间 - 0 + 窗口大小）%窗口大小

时间戳按照窗口长度取整数倍（以1970年1月1日0点为起点 => 伦敦时间）

2）end = start + size 开始时间 + 窗口长度

3）左闭右开：属于本窗口的最大时间戳 = end -1ms ，所以时间为 end这条数据，不属于本窗口，所以是开区间


* 3- 有序数据的水印窗口标准结束时间 ：标准开始时间 + 窗口长度
* 4- **此时水位线的变化和事件时间保持一致**（因为是有序时间，就不需设置延迟，那么 t 就是 0。

  watermark = maxtime - 0 = maxtime）
* 5- 环境并行度设置为 1，方便观察现象
* 6- flink 1.12 之前版本，需要指定事件时间，env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
* 7- 转换时间戳时需要毫秒级别
* 8- window().getStart() 获取窗口标准开始时间，window().getEnd()获取窗口标准结束时间
* 9- spliterator().estimateSize() 获取窗口内数据条数
* 10- api版本区别：


	+ flink1.12之前：调用 assignTimestampAndwatermarks，new 一个 AscendingTimestampExtractor，重写方法获取时间戳
	+ flink1.12之后：调用 assignTimestampAndWatermarks，有序流回调本质周期水印策略
		- WatermarkStrategy.forMonotonousTimestamps.withTimestampAssigner
		- new 一个序列化 SerializableTimestampAssigner，重写方法获取时间戳
* 11- 应用场景：周期水印解决数据有序场景




---


###### (2) 乱序事件中的Watermark


例子：以 java bean 的数据输入作为乱序事件时间

package cn.itcast.day09.WaterMark;

/**
* @author lql
* @time 2024-03-02 15:20:38
* @description TODO：
*/

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.datastream.WindowedStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

/**
* 使用固定延迟水印，解决数据乱序的场景（大多数情况都是乱序的数据，使用比较多）
* 需求：从socket接受数据，进行转换操作，然后应用窗口每隔5秒生成一个窗口，使用水印时间触发窗口计算
*
* 使用水印的前提：
* 1：数据必须要携带事件时间
* 2：指定事件时间作为数据处理的时间
* 3：指定并行度为1
* 4：使用之前版本的api的时候，需要增加时间类型的代码
*
* 测试数据：
* sensor_1,1547718199,35 -》2019-01-17 17:43:19
* sensor_6,1547718201,15 -》2019-01-17 17:43:21
* sensor_6,1547718205,15 -》2019-01-17 17:43:25
* sensor_6,1547718210,15 -》2019-01-17 17:43:30
*
* todo 固定延迟触发，根据事件时间-最大乱序时间-1得到水印，根据水印时间作为触发窗口的条件
* 触发窗口计算的两个条件：
* 1：时间达到窗口的endtime
* 2：窗口中存在数据
*/
public class OutOfOrdernessWaterMark {
public static void main(String[] args) throws Exception {
// todo 1) 设置流处理环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    env.setParallelism(1);
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

    // todo 2) 数据源
    SingleOutputStreamOperator<WaterSensor> lines = env.socketTextStream("node1", 9999).map(new MapFunction<String, WaterSensor>() {
        @Override
        public WaterSensor map(String value) throws Exception {
            String[] data = value.split(",");
            return new WaterSensor(data[0], Long.valueOf(data[1]), Integer.parseInt(data[2]));
        }
    });

    // todo 3) 设置水印
    //flink1.12之前版本的api编写
    SingleOutputStreamOperator<WaterSensor> waterMarkStream = lines.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor<WaterSensor>(Time.seconds(3)) {
        @Override
        public long extractTimestamp(WaterSensor element) {
            return element.getTs() \* 1000L;
        }
    });

    waterMarkStream.print("数据>>>");
    //todo 4）应用窗口操作
    WindowedStream<WaterSensor, String, TimeWindow> sensorWS = waterMarkStream.keyBy(t -> t.getId()).window(TumblingEventTimeWindows.of(Time.seconds(5)));

    //todo 5) 自定义窗口
    SingleOutputStreamOperator<String> result = sensorWS.process(new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
        @Override
        public void process(String s, Context context, Iterable<WaterSensor> elements, Collector<String> collector) throws Exception {
            collector.collect("key: " + s + "\n" +
             "数据为: " + elements + "\n" +
             "条数为：" + elements.spliterator().estimateSize() + "\n" +
             "时间窗口为：" + context.window().getStart() + "->" + context.window().getEnd() + "\n");
        }
    });

    //todo 6) 打印操作
    result.print();

    //todo 7) 启动程序
    env.execute();
}

/\*\*


注意：flink 1.12 版本之后的无序流添加固定延迟水印

SingleOutputStreamOperator waterMarkStream = lines
.assignTimestampsAndWatermarks(
// 固定延迟水印，是 Duration 类型
WatermarkStrategyforBoundedOutOfOrderness(Duration.ofSeconds(3))
.withTimestampAssigner(
new SerializableTimestampAssigner() {
@Override
public long extractTimestamp(WaterSensor waterSensor, long l) {
return waterSensor.getTs() * 1000L;
}}));


结果：

情况一：一种类别输入
sensor_6,1547718201,15 -》2019-01-17 17:43:21
sensor_6,1547718205,15 -》2019-01-17 17:43:25
sensor_6,1547718210,15 -》2019-01-17 17:43:30

输出：
数据>>>> OutOfOrdernessWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)
数据>>>> OutOfOrdernessWaterMark.WaterSensor(id=sensor_6, ts=1547718205, vc=15)
数据>>>> OutOfOrdernessWaterMark.WaterSensor(id=sensor_6, ts=1547718210, vc=15)
key: sensor_6
数据为: [OutOfOrdernessWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)]
条数为：1
时间窗口为：1547718200000->1547718205000
（2019-01-17 17:43:20 -> 2019-01-17 17:43:25）


总结：


* 1- 如果是有 key 类别的差异，触发窗口计算往往在 key 变化时，而不需要两个一样的 key 作为对照
* 2- 因为设置了延迟，在触发窗口范围的时候，事件时间 - 延迟时间 = 水印时间


	+ （例子中打印了 3 条数据，即第 3 条数据触发计算，第3条数据的水印时间的秒级：30 - 3 = 27 >= 窗口的 endTime）
	+ 窗口触发两个条件，一是水印时间达到窗口 endTime，二是窗口内有数据
* 3- api版本区别：


	+ flink1.12之前：调用 assignTimestampAndWatermarks，new 一个 BoundedOutofOrdernessTimestampExtractor
	
	 注意设置 `延迟时间`，重写方法获取事件时间
	+ flink1.12之后：调用 assignTimestampAndWatermarks，有序流回调固定延迟水印策略
	
	
		- WatermarkStrategy.forBoundedOutOfOrderness（`Duration` 类型延迟时间）.withTimestampAssigner
		- new 一个序列化 SerializableTimestampAssigner，重写方法获取时间戳
* 4- 应用场景：固定延迟水印解决数据乱序场景




---


###### (3) 并行数据流中的Watermark


对齐机制会取所有 Channel 中最小的 Watermark，即：


每个并行度中必须都有数据，且都满足触发窗口条件，才会有对齐机制


例子：将并行度设置为2，带有线程号

package cn.itcast.day09.WaterMark;

/**
* @author lql
* @time 2024-03-02 19:27:53
* @description TODO：多并行度下的水印操作演示
*/

import org.apache.flink.api.common.eventtime.*;
import org.apache.flink.api.common.functions.FilterFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.tuple.Tuple;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;
import org.stringtemplate.v4.ST;

import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Date;
import java.util.Iterator;

/**
* 测试数据：
* 并行度设置为2测试：
* hadoop,1626934802000 ->2021-07-22 14:20:02
* hadoop,1626934805000 ->2021-07-22 14:20:05
* hadoop,1626934806000 ->2021-07-22 14:20:06
*/
public class Watermark_Parallelism {
//定义打印数据的日期格式
final private static SimpleDateFormat sdf = new SimpleDateFormat(“yyyy-MM-dd HH:mm:ss.SSS”);

public static void main(String[] args) throws Exception {
    // todo 1) 流式环境
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    env.setParallelism(2);

    // todo 2) 数据源
    SingleOutputStreamOperator<Tuple2<String, Long>> tupleDataStream = env.socketTextStream("node1", 9999).map(new MapFunction<String, Tuple2<String, Long>>() {
        @Override
        public Tuple2<String, Long> map(String line) throws Exception {
            try {
                String[] array = line.split(",");
                return Tuple2.of(array[0], Long.parseLong(array[1]));
            } catch (NumberFormatException e) {
                System.out.println("输入的数据格式不正确：" + line);
                return Tuple2.of("null", 0L);
            }
        }
    }).filter(new FilterFunction<Tuple2<String, Long>>() {
        @Override
        public boolean filter(Tuple2<String, Long> tuple) throws Exception {
            if (!tuple.f0.equals("null") && tuple.f1 != 0L) {
                return true;
            }
            return false;
        }
    });

    // todo 3） 水印操作
    SingleOutputStreamOperator<Tuple2<String, Long>> waterMarkDataStream = tupleDataStream.assignTimestampsAndWatermarks(
            //TODO 自定义watermark生成器
            WatermarkStrategy.forGenerator(new WatermarkGeneratorSupplier<Tuple2<String, Long>>() {
                @Override
                public WatermarkGenerator<Tuple2<String, Long>> createWatermarkGenerator(Context context) {
                    return new MyWatermarkGenerator<>();
                }
            }).withTimestampAssigner(new SerializableTimestampAssigner<Tuple2<String, Long>>() {
                @Override
                public long extractTimestamp(Tuple2<String, Long> element, long recordTimestamp) {
                    // 获取数据中的 eventTime
                    Long timestamp = element.f1;

                    // 定义字符串并打印
                    System.out.println("键值：" + element.f0 + "，线程号：" + Thread.currentThread().getId() + "，" +
                            "事件时间：【" + sdf.format(timestamp) + "】");
                    return timestamp;
                }
            })
    );

    // todo 4) 分流和窗口
    SingleOutputStreamOperator<String> result = waterMarkDataStream
            .keyBy(0)
            .window(TumblingEventTimeWindows.of(Time.seconds(5)))
            .apply(new WindowFunction<Tuple2<String, Long>, String, Tuple, TimeWindow>() {
                @Override
                public void apply(Tuple tuple, TimeWindow window, Iterable<Tuple2<String, Long>> input, Collector<String> out) throws Exception {
                    //定义该窗口所有时间字段的集合对象
                    ArrayList<Long> timeArr = new ArrayList<>();
                    // 首先获取了输入数据流（input）的迭代器
                    Iterator<Tuple2<String, Long>> iterator = input.iterator();
                    while (iterator.hasNext()) {
                        Tuple2<String, Long> tuple2 = iterator.next();
                        timeArr.add(tuple2.f1);
                    }
                    //对保存到集合列表的时间进行排序
                    Collections.sort(timeArr);
                    //打印输出该窗口触发的所有数据
                    String outputData = "" +
                            "\n 键值：【" + tuple + "】" +
                            "\n 触发窗口数据的个数：【" + timeArr.size() + "】" +
                            "\n 触发窗口的数据：" + sdf.format(new Date(timeArr.get(timeArr.size() - 1))) +
                            "\n 窗口计算的开始时间和结束时间：" + sdf.format(new Date(window.getStart())) + "----->" +
                            sdf.format(new Date(window.getEnd()));
                    out.collect(outputData);
                }
            });

    //TODO　6）打印测试
    result.printToErr("触发窗口计算结果>>>");

    //TODO　7）启动作业
    env.execute();
}

public static class MyWatermarkGenerator<T> implements WatermarkGenerator<T>{
    //定义变量，存储当前窗口中最大的时间戳
    private long maxTimestamp = -1L;
    /\*\*

* 每条数据都会调用该方法
* @param event
* @param eventTimestamp
* @param output
*/
@Override
public void onEvent(T event, long eventTimestamp, WatermarkOutput output) {
//System.out.println(“on Event…”);
maxTimestamp = Math.max(maxTimestamp, eventTimestamp);
}

    /\*\*\*

* 周期性的执行，默认是200ms调用一次
* @param output
*/
@Override
public void onPeriodicEmit(WatermarkOutput output) {
//System.out.println(“on Periodic…”+System.currentTimeMillis());
//发射watermark
output.emitWatermark(new Watermark(maxTimestamp -1L));
}
}
}


结果：

输入：
* hadoop,1626934802000 ->2021-07-22 14:20:02
* hadoop,1626934805000 ->2021-07-22 14:20:05
* hadoop,1626934806000 ->2021-07-22 14:20:06

输出：
键值：hadoop，线程号：68，事件时间：【2021-07-22 14:20:02.000】
键值：hadoop，线程号：69，事件时间：【2021-07-22 14:20:05.000】
键值：hadoop，线程号：68，事件时间：【2021-07-22 14:20:06.000】
触发窗口计算结果>>>:2>
键值：【(hadoop)】
触发窗口数据的个数：【1】
触发窗口的数据：2021-07-22 14:20:02.000
窗口计算的开始时间和结束时间：2021-07-22 14:20:00.000----->2021-07-22 14:20:05.000


总结：


* 1- 获取线程号：Thread.currentThread().getId()
* 2- 自定义日期格式：new SimpleDateFormat（）
* 3- 看到 input 是 Iterate 类型，需要调用 iterator（）方法转化为迭代对象，运用 while 循环结合 hashNext（）边迭代边加入列表
* 4- Collections.sort（列表），可以对列表进行排序




---


###### (4) 自定义 Watermark


**A. 周期性水印**

package cn.itcast.day09.WaterMark;

/**
* @author lql
* @time 2024-03-02 17:07:17
* @description TODO
*/

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.flink.api.common.eventtime.*;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.datastream.KeyedStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.datastream.WindowedStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

/**
* 自定义周期性水印，内置水印：固定延迟水印和单调递增水印都是基于周期性水印开发的，默认是200ms生成一次watermark
*/
public class WaterMark_Periodic {
public static void main(String[] args) throws Exception {
// todo 1) 设置流处理环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// todo 2) 数据源
SingleOutputStreamOperator lines = env.socketTextStream(“node1”, 9999).map(new MapFunction<String, WaterSensor>() {
@Override
public WaterSensor map(String value) throws Exception {
String[] data = value.split(“,”);
return new WaterSensor(data[0], Long.valueOf(data[1]), Integer.parseInt(data[2]));
}
});

    // todo 3) 设置水印操作
    SingleOutputStreamOperator<WaterSensor> sensorDS  = lines.assignTimestampsAndWatermarks(WatermarkStrategy.forGenerator(
            new WatermarkGeneratorSupplier<WaterSensor>() {
                @Override
                public WatermarkGenerator<WaterSensor> createWatermarkGenerator(Context context) {
                    return new MyWatermarkGenerator<>();
                }
            }).withTimestampAssigner(new SerializableTimestampAssigner<WaterSensor>() {
        @Override
        public long extractTimestamp(WaterSensor waterSensor, long l) {
            return waterSensor.getTs() \* 1000L;
        }
    }));

    // todo 4) 分组
    KeyedStream<WaterSensor, String> sensorKS  = sensorDS.keyBy(t -> t.getId());

    // todo 5) 开窗
    WindowedStream<WaterSensor, String, TimeWindow> sensorWS  = sensorKS.window(TumblingEventTimeWindows.of(Time.seconds(10)));

    // todo 6) 自定义窗口
    SingleOutputStreamOperator<String> result = sensorWS.process(new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
        @Override
        public void process(String s, Context context, Iterable<WaterSensor> iterable, Collector<String> out) throws Exception {
            out.collect("key: " + s + "\n" +
             "数据为: " + iterable + "\n" +
             "条数为：" + iterable.spliterator().estimateSize() + "\n" +
             "时间窗口为：" + context.window().getStart() + "->" + context.window().getEnd() + "\n");
        }
    });

    // todo 7) 打印和启动
    result.print();
    env.execute();
}

/\*\*

private static class MyWatermarkGenerator<T> implements WatermarkGenerator<T> {
    private long maxTimestamp = -1L;

    /\*\*

* 每条数据执行一次
* @param event
* @param eventTimestamp
* @param watermarkOutput
*/
@Override
public void onEvent(T event, long eventTimestamp, WatermarkOutput watermarkOutput) {
System.out.println(“onEvent……”);
maxTimestamp = Math.max(eventTimestamp, maxTimestamp);
}

    /\*\*

* 周期性执行一次
* @param watermarkOutput
*/
@Override
public void onPeriodicEmit(WatermarkOutput watermarkOutput) {
System.out.println(“onPeriodicEmit……”+ +System.currentTimeMillis());
// 发生水印
watermarkOutput.emitWatermark(new Watermark(maxTimestamp));
}
}
}


结果：

onPeriodicEmit……1709376044007
onPeriodicEmit……1709376044214
onPeriodicEmit……1709376044415
onPeriodicEmit……1709376044631
onPeriodicEmit……1709376044834


总结：


* 1- 自定义水印：WatermarkStrategy.forGenerator（new WatermarkGeneratorSupplier）
	+ 重写方法，返回新的 Class<>()
	+ 继承 WatermarkGenerator ，重写两个方法，一个每条数据执行一次，一个周期执行一次（默认是200ms）
* 2- 更改执行周期：env.getConfig().setAutoWatermarkInterval(2000)
* 3- 调用易出错：forGenerate 有 withTimestampAssigner 方法




---


**B. 间歇性水印：**


* 在上述自定义周期性水印方法的 onEvent 中实现 onPeriodicEmit 中的生成水印代码即可实现

watermarkOutput.emitWatermark(new Watermark(maxTimestamp));


##### 2.6 在数据源之后使用水印 (Kafka) [重点]


###### 2.6.1 kafka 向指定分区写入数据

package cn.itcast.day09.watermark.kafka;

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerConfig;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.apache.kafka.common.internals.Topic;

import java.util.Properties;

/**
* kafka生产者工具类，模拟数据的生成，将数据写入到指定的分区中
*
* 第一个分区写入：1000,hadoop、7000,hadoop-》没有触发窗口计算
* 第二个分区写入：7000,flink -》触发了窗口计算
*/
public class KafkaMock {
private final KafkaProducer<String, String> producer;
public final static String TOPIC = “test3”;

private KafkaMock(){
    Properties props = new Properties();
    props.put(ProducerConfig.BOOTSTRAP\_SERVERS\_CONFIG, "node01:9092");
    props.put(ProducerConfig.ACKS\_CONFIG, "all");
    props.put(ProducerConfig.RETRIES\_CONFIG, 0);
    props.put(ProducerConfig.KEY\_SERIALIZER\_CLASS\_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");
    props.put(ProducerConfig.VALUE\_SERIALIZER\_CLASS\_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");

    producer = new KafkaProducer<String, String>(props);
}
public void producer(){
    long timestamp = 1000;
    String value = "hadoop";
    String key = String.valueOf(value);
    String data = String.format("%s,%s", timestamp, value);
    producer.send(new ProducerRecord<String, String>(TOPIC, 1, key, data));
    producer.close();
}
public static void main(String[] args) {
    new KafkaMock().producer();
}

}


###### 2.6.2 水印机制消费 kafak 数据

package cn.itcast.day09.watermark.kafka;

import org.apache.flink.api.common.eventtime.TimestampAssigner;
import org.apache.flink.api.common.eventtime.TimestampAssignerSupplier;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.KeyedStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumerBase;
import org.apache.flink.util.Collector;
import org.apache.kafka.clients.consumer.ConsumerConfig;
import scala.collection.convert.Wrappers;

import java.time.Duration;
import java.util.Iterator;
import java.util.Properties;
import java.util.concurrent.TimeUnit;

/**
* 使用水印消费kafka里面的数据
*/
public class WatermarkTest {
public static void main(String[] args) throws Exception {
//todo 1）初始化flink流处理环境
Configuration configuration = new Configuration();
configuration.setInteger(“rest.port”, 8081);//设置webui的端口号
StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(configuration);

    env.setParallelism(2);
    env.enableCheckpointing(5000);
    //todo 2）接入数据源
    //指定topic的名称
    String topicName = "test3";
    //实例化kafkaConsumer对象
    Properties props = new Properties();
    props.setProperty(ConsumerConfig.BOOTSTRAP\_SERVERS\_CONFIG, "node01:9092");
    props.setProperty(ConsumerConfig.GROUP\_ID\_CONFIG, "test001");
    props.setProperty(ConsumerConfig.AUTO\_OFFSET\_RESET\_CONFIG, "latest");
    props.setProperty(ConsumerConfig.ENABLE\_AUTO\_COMMIT\_CONFIG, "true");
    props.setProperty(ConsumerConfig.AUTO\_COMMIT\_INTERVAL\_MS\_CONFIG, "2000");
    props.setProperty("flink.partition-discovery.interval-millis", "5000");//开启一个后台线程每隔5s检测一次kafka的分区情况

    FlinkKafkaConsumer<String> kafkaSource = new FlinkKafkaConsumer<String>(topicName, new SimpleStringSchema(), props);
    kafkaSource.setCommitOffsetsOnCheckpoints(true);//todo 在开启checkpoint以后，offset的递交会随着checkpoint的成功而递交，从而实现一致性语义，默认就是true

    DataStreamSource<String> kafkaDS = env.addSource(kafkaSource);

    //在数据源上添加水印
    SingleOutputStreamOperator<String> watermarkStream = kafkaDS.assignTimestampsAndWatermarks(
            WatermarkStrategy.<String>forBoundedOutOfOrderness(Duration.ofSeconds(2))
                    .withTimestampAssigner(new TimestampAssignerSupplier<String>() {
                        @Override
                        public TimestampAssigner<String> createTimestampAssigner(Context context) {
                            return new TimestampAssigner<String>() {
                                @Override
                                public long extractTimestamp(String element, long recordTimestamp) {
                                    return Long.parseLong(element.split(",")[0]);
                                }
                            };
                        }
                    }).withIdleness(Duration.ofSeconds(60))

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

tractTimestamp(String element, long recordTimestamp) {
return Long.parseLong(element.split(“,”)[0]);
}
};
}
}).withIdleness(Duration.ofSeconds(60))

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
[外链图片转存中…(img-OuXFOpyU-1712834396847)]
[外链图片转存中…(img-LMO6CwPL-1712834396848)]
[外链图片转存中…(img-eMjQ6V17-1712834396849)]
[外链图片转存中…(img-8vIi4vab-1712834396849)]
[外链图片转存中…(img-TkwGjrME-1712834396849)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
[外链图片转存中…(img-dI1KeWu8-1712834396849)]

2401_84181481

关注

18
点赞
踩
20

收藏

觉得还不错? 一键收藏
0
评论
flink重温笔记（九）：Flink 高级 API 开发——flink 四大基石之WaterMark（Time为核心(2)

数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718205, vc=15)数据>>>> MonotonousWaterMark.WaterSensor(id=sensor_6, ts=1547718201, vc=15)//设置webui的端口号。
复制链接

扫一扫