一 数据源
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
//设置时间语义 时间发生时间
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
env.setParallelism(1)
val socketSource: DataStream[String] = env.socketTextStream("localhost", 7777)
val mapStream: DataStream[SensorReading] = socketSource
.map(data => {
val split: Array[String] = data.split("\\W+")
SensorReading(split(0).trim, split(1).trim.toLong, split(2).trim.toDouble)
}).assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[SensorReading](Time.milliseconds(2000)){
override def extractTimestamp(t: SensorReading): Long = {
t.ts*1000L
}
})
//针对乱序数据处理得三种方式
// 1 调整waterMaker水位线 使整体事件时间向后推移 相当于将拨慢时间
// 2 设置单个窗口的延迟关闭时间 在水位到达后,窗口已经关闭了,但还会再处理延迟时间内的数据
// 3 设置侧输出流 将乱序较大的数据 放入侧输出流中
// 三者结合能处理乱序时间,非常快的先计算出一个值,在后续更正成正确的值
val sideOutPut:OutputTag[SensorReading] = new OutputTag[SensorReading]("side");
val resStream: DataStream[SensorReading] =mapStream.keyBy(_.id)
.timeWindow(Time.seconds(10)) // 设置窗口长度 这里使用的是滚动窗口
.allowedLateness(Time.seconds(5)) // 设置窗口延时关闭时间
.sideOutputLateData(sideOutPut) // 设置侧输出流
.minBy("tm")
resStream.print("res")
resStream.getSideOutput(sideOutPut).print("side");
env.execute()
}
二 测试
sensor_1, 1547718190, 30.80018327300259
sensor_1, 1547718199, 11.80018327300259
sensor_1, 1547718200, 19.80018327300259
sensor_1, 1547718202, 19.80018327300259
sensor_1, 1547718195, 10.80018327300259
sensor_1, 1547718208, 35.80018327300259
sensor_1, 1547718193, 30.80018327300259
结果:
res> SensorReading(sensor_1,1547718199,11.0)
res> SensorReading(sensor_1,1547718195,10.0)
side> SensorReading(sensor_1,1547718193,30.0)
三 总结
- 在时效性和延时之间做平衡,waterMaker,设置的是整体的,相当于将时钟调慢(一般根据数据的特征,及乱序的最大程度设置)
- 窗口的延时时间,表示在水位到达后,先不关闭窗口,再等一会延时的数据。(不适合设置过大,设置过大则会导致窗口不关闭,窗口得不到释放)
- 侧输出流保底,对时延特别大得数据,在不想丢弃的前提下,可以将其放入侧输出流,以便对前面计算的结果进行更正。