Flink全量聚合函数:apply和process这两种实现方法有什么区别?
Flink全量聚合函数:指在窗口触发的时候才会对窗口内的所有数据进行一次计算(等窗口的数据到齐,才开始进行聚合计算,可实现对窗口内的数据进行排序等需求)
实现方法:
-
apply(windowFunction)
-
process(processWindowFunction)
apply和process的区别
apply和process都是处理全量计算,但工作中正常用process。
process更加底层,更加强大,有open/close生命周期方法,又可获取RuntimeContext。
ProcessWindowFunction/ProcessAllWindowFunction
全量聚合:窗口需要维护全部原始数据,窗口触发进行全量聚合。
ProcessWindowFunction一次性迭代整个窗口里的所有元素,比较重要的一个对象是Context,可以获取到事件和状态信息,这样我们就可以实现更加灵活的控制,这实际上是process的主要特点吧。该算子会浪费很多性能吧,主要原因是不增量计算,要缓存整个窗口然后再去处理,所以要设计好内存。
牛叉的地方是ProcessWindowFunction可以结合 ReduceFunction, AggregateFunction,或者 FoldFunction来做增量计算(推荐用法)
public class TestProcessWinFunctionOnWindow {
public static void main(String[] args) throws Exception{
//获取执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
//读取数据
DataStream<Tuple3<String,String,Long>> input = env.fromElements(ENGLISH);
//求各班级英语成绩平均分
DataStream<Double> avgScore = input.keyBy(0)
.countWindow(2)
.process(new MyProcessWindowFunction());
avgScore.print();
env.execute("TestProcessWinFunctionOnWindow");
}
public static class MyProcessWindowFunction extends ProcessWindowFunction<Tuple3<String,String,Long>,Double, Tuple, GlobalWindow> {
//iterable 输入流中的元素类型集合
@Override
public void process(Tuple tuple, Context context, Iterable<Tuple3<String, String, Long>> iterable, Collector<Double> out) throws Exception {
long sum = 0;
long count = 0;
for (Tuple3<String,String,Long> in :iterable){
sum+=in.f2;
count++;
}
out.collect((double)(sum/count));
}
}
public static final Tuple3[] ENGLISH = new Tuple3[]{
Tuple3.of("class1","张三",100L),
Tuple3.of("class1","李四",78L),
Tuple3.of("class1","王五",99L),
Tuple3.of("class2","赵六",81L),
Tuple3.of("class2","小七",59L),
Tuple3.of("class2","小八",97L),
};
}
Tuple3.of("class2","小八",97L),
};
}
请注意,使用ProcessWindowFunction诸如 count 之类的简单聚合效率很低。