Flink学习笔记（八）：Process Function(底层API)

最新推荐文章于 2024-02-21 19:51:37 发布

gentlewei

最新推荐文章于 2024-02-21 19:51:37 发布

阅读量427

点赞数

本文链接：https://blog.csdn.net/gentlewei/article/details/104257364

版权

本文介绍了如何使用Flink的KeyedProcessFunction实现一个温度报警策略。在5秒内，如果温度连续上升，则触发报警。通过设置定时器和利用状态存储前一条数据的温度值来实现这一功能。

摘要由CSDN通过智能技术生成

在这里插入图片描述

这里以KeyedProcessFunction作为示例。
模拟场景：有多个温度计去采集温度，数据格式：温度计id，采集时间，温度值
实现一个报警策略：在5s内采集到的温度连续上升，就报警。
要实现这个策略，有两个条件：

条件一：5秒内。可以调用时间服务（timerService）来创建一个定时器，5秒后触发，判断这段时间内的数据是否是连续上升的
条件二：温度连续上升。肯定要跟前一条数据比，可以用状态来记录前一条数据

主类代码如下：

import org.apache.flink.api.common.state.ValueStateDescriptor
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.KeyedProcessFunction
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.util.Collector

/**
  * 测试ProcessFunction
  * 模拟场景：温度计在5秒内温度连续上升，就报警
  */
object ProcessFunctionTest {
   

  def main(args: Array[String]): Unit = {
   
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    //设置时间特性：采用EventTime
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
    val s