一、基本概念理解
1、窗口: 是将无限的数据流根据时间语义维度切割成一个有限大小的桶,然后对这个桶内的数据进行计算
2、窗口分类:
-
滚动窗口 tumbling window
描述:按照固定的时间长度对数据流切分,且窗口之间不会出现重叠 -
滑动窗口 sliding window
描述:由固定的窗口长度和滑动间隔组成,窗口之间有重叠,通常滑动间隔要小于窗口长度 -
会话窗口 session window
描述:在一定的时间长度timeout没有接收到数据,则生成一个新的窗口 -
全局窗口 global window (这个一般很少用)
二、窗口API
1、窗口分配器
创建窗口,常用分配器如下:
timeWindow() 根据时间区间(左闭右开)创建窗口
滚动窗口 timeWindow(Time.seconds(10))
滑动窗口 timeWindow(Time.seconds(10),Time.seconds(5))
会话窗口 window(EventTimeSessionWindows.withGap(Time.seconds(10)))
窗口计算触发时机,根据时间语义划分:
- 事件时间: 当水位线超过窗口结束时间,触发窗口计算
- 处理时间: 当处理时间(算子处理时的机器时间)超过窗口结束时间,触发窗口计算
countWindow() 计数窗口
滚动计数窗口 countWindow(10)
滑动计数窗口 countWindow(10,5)
2、窗口函数
- 增量聚合函数
窗口里每进来一条数据便计算
如:ReduceFunction, AggregateFunction
/**
* 求最近5秒内出现的最高气温
*/
public class MinTemperatureStream {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
DataStreamSource<WeatherRecord> stream = env.addSource(new WeatherSource());
stream.keyBy(r->r.city)
.timeWindow(Time.seconds(5))
.aggregate(new MyMaxTemp())
.print();
env.execute();
}
public static class MyMaxTemp implements AggregateFunction<WeatherRecord, Tuple2<String,Double>, Tuple2<String,Double>>{
@Override
public Tuple2<String, Double> createAccumulator() {
//给累加器赋默认值
return Tuple2.of("",Double.MIN_VALUE);
}
@Override
public Tuple2<String, Double> add(WeatherRecord weatherRecord, Tuple2<String, Double> acc) {
if(weatherRecord.temperature>acc.f1){
return Tuple2.of(weatherRecord.city,weatherRecord.temperature);
}else{
return acc;
}
}
@Override
public Tuple2<String, Double> getResult(Tuple2<String, Double> acc) {
return acc;
}
/**
* 该方法在 事件时间、会话窗口中才会调用
*/
@Override
public Tuple2<String, Double> merge(Tuple2<String, Double> stringDoubleTuple2, Tuple2<String, Double> acc1) {
return null;
}
}
}
- 全窗口函数
- 等窗口内的所有数据到齐,遍历集合计算
- 如:ProcessWindowFunction(分流、开窗后调用),KeyedProcessFunction(分流后即可调用,可以做定时器操作)
/**
* 求最近5秒内平均气温
*/
public class AvgTemperatureStream {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
DataStreamSource<WeatherRecord> stream = env.addSource(new WeatherSource());
stream.keyBy(r->r.city)
.timeWindow(Time.seconds(5))
.process(new AvgTemp())
.print();
env.execute();
}
public static class AvgTemp extends ProcessWindowFunction<WeatherRecord,String,String, TimeWindow>{
@Override
public void process(String s, Context context, Iterable<WeatherRecord> iterable, Collector<String> collector) throws Exception {
Double sum=0.0;
Long count=0L;
for(WeatherRecord record:iterable){
sum += record.temperature;
count++;
}
collector.collect("截止窗口结束时间:"+ context.window().getEnd()+",平均气温为:"+sum/count);
}
}
}
优化建议:可以将ReduceFunction/AggregateFunction和ProcessWindowFunction结合起来使用。因为ProcessWindowFunction要等所有数据到齐才计算比较占内存,因此可以提前做聚合计算,等窗口结束时再输出最终结果