文章目录
基本概念
一般真实的流都是无限的,怎么处理无界的数据?在实际生产中,需要把无限的数据流进行切分,得到有限的数据集进行处理。
窗口(window)就是将无限流切割为有界流的一种方式,它会将流数据分发到有限大小的桶中进行分析。
window类型
flink里提供了时间窗口(TimeWindow)和计数窗口(CountWindow)。
TimeWindow:按照时间生成Window。
CountWindow:按照指定的数据条数生成一个Window,与时间无关
- 时间窗口(Time Window)
- 滚动时间窗口(Tumbling Windows)
- 滑动时间窗口(Sliding Windows)
- 会话窗口(Session Windows)
- 计数窗口(count window)
- 滚动计数窗口
- 滑动计数窗口
ps:滚动窗口和滑动窗口左闭右开,例如窗口长度设置为1个小时,9点整这条数据属于9点到10点的窗口
滚动窗口(Tumbling Windows)
根据固定的窗口长度对数据进行切分
时间对齐,窗口长度固定 没有重叠 每一个数据只会属于一个窗口
滑动窗口(Sliding Windows)
滑动窗口由固定的窗口长度和滑动间隔组成。滚动窗口就是滑动距离和窗口长度一致的滑动窗口。
窗口长度固定,可以有重叠,一条数据可以属于多个窗口
会话窗口(Session Windows)
由一系列时间组合一个指定时间长度的timeout间隙组成,也就是一段时间没有接收到新数据就会生成新的窗口,gap长度不定。
时间无对齐
window api
概述
我们可以用window()方法来定义一个窗口,然后基于这个window去做一些聚合或者其他处理操作。注意window()方法必须在keyby之后才能使用。
Flink提供了更加简单的.timeWindow()和.countWindow()方法,用于定义时间窗口和计数窗口。
DataStream<Tuple2<String,Double>> minTempPerWindowStream =
datastream
.map(new MyMapper())
.keyBy(data -> data.f0)
//timeWindow()在1.12已经过期了
.window(TumblingProcessingTimeWindows.of(Time.seconds(5)))
.minBy(1);
创建不同类型的窗口
-
滚动时间窗口(tumbling time window)
.window(TumblingProcessingTimeWindows.of(Time.seconds(5)))
-
滑动时间窗口(sliding time window)
.window(TumblingProcessingTimeWindows.of(Time.seconds(10),Time.seconds(5)))
-
会话窗口(session window)
.window(ProcessingTimeSessionWindows.withGap(Time.seconds(5)))
-
滚动计数窗口(tumbling count window)
.countWindow(10)
-
滑动计数窗口(sliding count window)
.countWindow(10,2)
DataStream的windowAll()类似分区的global操作,这个操作是non-parallel的(并行度强行为1),所有的数据都会被传递到同一个算子operator上,官方建议如果非必要就不要用这个API。
注意:CountWindow的window_size指的是相同Key的元素的个数,不是输入的所有元素的总数。
window function
window function 定义了要对窗口中收集的数据做的计算操作,主要可以分为两类:
-
增量聚合函数(incremental aggregation functions)
每条数据到来就进行计算,保持一个简单的状态。(来一条处理一条,但是不输出,到窗口临界位置才输出)
典型的增量聚合函数有ReduceFunction, AggregateFunction。package window; import bean.SensorReading; import org.apache.flink.api.common.functions.AggregateFunction; import org.apache.flink.streaming.api.datastream.DataStreamSource; import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator; import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment; import org.apache.flink.streaming.api.windowing.assigners.TumblingProcessingTimeWindows; import org.apache.flink.streaming.api.windowing.time.Time; /** * Created with IntelliJ IDEA. * * @Author: yingtian * @Date: 2021/05/20/16:45 * @Description: 时间窗口 */ public class WindowTest1_TimeWindow { public static void main(String[] args) throws Exception{ //获取执行环境 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(1); //从socket流中获取数据 DataStreamSource<String> socketStream = env.socketTextStream("localhost", 7777); SingleOutputStreamOperator<SensorReading> mapStream = socketStream.map(line -> { String[] arr = line.split(","); return new SensorReading(arr[0], Long.valueOf(arr[1]), Double.valueOf(arr[2])); }); //1. 增量聚合函数 (这里简单统计每个key组里传感器信息的总数) SingleOutputStreamOperator<Integer> resultStream = mapStream .keyBy(SensorReading::getId) .window(TumblingProcessingTimeWindows.of(Time.seconds(15))) //滚动窗口 .aggregate(new AggregateFunction<SensorReading, Integer, Integer>() { // 新建的累加器 @Override public Integer createAccumulator() { return 0; } // 每个数据在上次的基础上累加 @Override public Integer add(SensorReading sensorReading, Integer integer) { return integer + 1; } //获取结果 @Override public Integer getResult(Integer integer) { return integer; } //分区合并结果(TimeWindow一般用不到,SessionWindow可能需要考虑合并) @Override public Integer merge(Integer integer, Integer acc1) { return integer + acc1; } }); resultStream.print("result"); env.execute(); } }
-
全窗口函数(full window functions)
先把窗口所有数据收集起来,等到计算的时候会遍历所有数据。(来一个放一个,窗口临界位置才遍历且计算、输出)
ProcessWindowFunction,WindowFunction。
process和apply在功能上差不多,但是process可以拿的到上下文context。// 2. 全窗口函数 (WindowFunction和ProcessWindowFunction,后者更全面) SingleOutputStreamOperator<Tuple3<String, Long, Integer>> resultStream2 = dataStream.keyBy(SensorReading::getId) .window(TumblingProcessingTimeWindows.of(Time.seconds(15))) // .process(new ProcessWindowFunction<SensorReading, Object, Tuple, TimeWindow>() { // }) .apply(new WindowFunction<SensorReading, Tuple3<String, Long, Integer>, String, TimeWindow>() { @Override public void apply(String s, TimeWindow window, Iterable<SensorReading> input, Collector<Tuple3<String, Long, Integer>> out) throws Exception { String id = s; long windowEnd = window.getEnd(); int count = IteratorUtils.toList(input.iterator()).size(); out.collect(new Tuple3<>(id, windowEnd, count)); } });
其他api
- .trigger() ——触发器,定义window 什么时候关闭,触发计算并输出结果
- .evitor() ——移除器,定义移除某些数据的逻辑
- .allowedLateness() ——允许处理迟到的数据
- .sideOutputLateData() ——将迟到的数据放入侧输出流
- .getSideOutput() ——获取侧输出流
ps:以上内容整理于SGG教程。