flink1.11.读取kafka数据
Watermark的核心本质可以理解成一个延迟触发机制。
在 Flink 的窗口处理过程中,如果确定全部数据到达,就可以对 Window 的所有数据做 窗口计算操作(如汇总、分组等),如果数据没有全部到达,则继续等待该窗口中的数据全 部到达才开始处理。这种情况下就需要用到水位线(WaterMarks)机制,它能够衡量数据处 理进度(表达数据到达的完整性),保证事件数据(全部)到达 Flink 系统,或者在乱序及 延迟到达时,也能够像预期一样计算出正确并且连续的结果。当任何 Event 进入到 Flink 系统时,会根据当前最大事件时间产生 Watermarks 时间戳。
那么 Flink 是怎么计算 Watermak 的值呢?
Watermark =进入Flink 的最大的事件时间(mxtEventTime)-指定的延迟时间(t)
那么有 Watermark 的 Window 是怎么触发窗口函数的呢?
如果有窗口的停止时间等于或者小于 maxEventTime - t(当时的warkmark),那么这个窗口被触发执行。
二、Watermark的三种使用情况
1、本来有序的Stream中的 Watermark
如果数据元素的事件时间是有序的,Watermark 时间戳会随着数据元素的事件时间按顺 序生成,此时水位线的变化和事件时间保持一直(因为既然是有序的时间,就不需要设置延迟了,那么t就是 0。所以 watermark=maxtime-0 = maxtime),也就是理想状态下的水位 线。当 Watermark 时间大于 Windows 结束时间就会触发对 Windows 的数据计算,以此类推, 下一个 Window 也是一样。这种情况其实是乱序数据的一种特殊情况。
2、乱序事件中的Watermark
现实情况下数据元素往往并不是按照其产生顺序接入到 Flink 系统中进行处理,而频繁 出现乱序或迟到的情况,这种情况就需要使用 Watermarks 来应对。比如下图,设置延迟时间t为2。
3、并行数据流中的Watermark
在多并行度的情况下,Watermark 会有一个对齐机制,这个对齐机制会取所有 Channel 中最小的 Watermark。
三、设置Watermark的核心代码
1、首先,正确设置事件处理的时间语义,一般都是采用Event Time。
sEnv.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
- 1
2、其次,指定生成Watermark的机制,包括:延时处理的时间和EventTime对应的字段。如下:
注意:不管是数据是否有序,都可以使用上面的代码。有序的数据只是无序数据的一种特殊情况。
四、Watermark编程案例
测试数据:基站的手机通话数据,如下:
下面给出代码demo
package com.hery.flink.java.constant;
/**
* @description: 属性常量类
* @author: Baron_ND
* @create: 2020-11-03 09:09
*/
public class PropertiesConstants {
public static final String KAFKA_BROKERS = "kafka.brokers";
public static final String DEFAULT_KAFKA_BROKERS = "192.168.10.1:9092";
public static final String KAFKA_ZOOKEEPER_CONNECT = "kafka.zookeeper.connect";
public static final String DEFAULT_KAFKA_ZOOKEEPER_CONNECT = "192.168.10.9:2181";
public static final String KAFKA_GROUP_ID = "kafka.group.id";
public static final String DEFAULT_KAFKA_GROUP_ID = "testDemo";
}
创建kafka的配置信息类
package com.hery.flink.java.utils;
import com.hery.flink.java.constant.PropertiesConstants;
import org.apache.flink.api.java.utils.ParameterTool;
import java.util.Properties;
/**
* @description: kafka的基础配置信息
* @author: Baron_ND
* @create: 2020-11-03 15:31
*/
public class KafkaConfigUtil {
/**
* 设置基础的 Kafka 配置
*
* @return
*/
public static Properties buildKafkaProps() {
return buildKafkaProps(ParameterTool.fromSystemProperties());
}
/**
* 设置 kafka 配置
*
* @param parameterTool
* @return
*/
public static Properties buildKafkaProps(ParameterTool parameterTool) {
Properties props = parameterTool.getProperties();
props.put("bootstrap.servers", parameterTool.get(PropertiesConstants.KAFKA_BROKERS, PropertiesConstants.DEFAULT_KAFKA_BROKERS));
props.put("group.id", parameterTool.get(PropertiesConstants.KAFKA_GROUP_ID, PropertiesConstants.DEFAULT_KAFKA_GROUP_ID));
// props.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
// props.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
return props;
}
}
实现主类
package com.hery.flink.java.connector.kafka.read;
import com.hery.flink.java.utils.ExecutionEnvUtil;
import org.apache.flink.api.common.eventtime.SerializableTimestampAssigner;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.functions.FilterFunction;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.api.java.functions.KeySelector;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer011;
import org.apache.flink.util.Collector;
import java.time.Duration;
import java.util.Arrays;
import java.util.List;
import java.util.Properties;
import static com.hery.flink.java.utils.KafkaConfigUtil.buildKafkaProps;
/**
* @description: 消费kafka数据,第二种方式加上watermark,
* 测试一个demo,统计窗口内通话时间最长的输出,结果例如:
* 5> 窗口大小:0 - 3000
* 会话ID:yss010,时间:90,发起:美国,接收:韩国,会话的持续时间:1
* @author: Baron_ND
* @create: 2020-11-10 09:04
*/
public class ConsumerKafkaV2 {
public static void main(String[] args) throws Exception {
final ParameterTool parameterTool =ParameterTool.fromArgs(args);
StreamExecutionEnvironment env = ExecutionEnvUtil.prepare(param