java flink（二十） 实战之电商页面统计热门二(apache log)访问地址 使用：详细理解flink延迟处理机制、使用flink侧输出流、flink双计时器使用。数据排序

基于上文我们本文来具体理解flink的延迟处理机制以及侧输出流使用，如何注册使用两个计时器等。

1、首先理解flink窗口的范围，flink如何设置每个窗口的范围

根据flink底层代码，我们可以看到flink的初始窗口的范围选择是根据窗口大小选择最近的整数倍的窗口。

举个例子：

比如我们的窗口大小是10s

第一条进来的数据事件时间是 16000000009

那么flink设置的第一个窗口范围就是[16000000000, 16000000010 )  前闭后开

2、理解watermark的使用以及触发

watermark的主要用途是做延迟处理。比如我们watermark设置的是3s

那么我们在触发16000000010 的窗口结束该进行窗口计算时，我们不会立即触发计算，而是根据事件时间再等待3s

等待16000000011，16000000012， 16000000013 的数据都接收到了 我们发现没有属于[16000000000, 16000000010 )的数据，

如果在16000000011，16000000012， 16000000013 的数据之间接收到了16000000008的数据，也会算入到[16000000000, 16000000010 )的窗口中

然后在接收到窗口end+watermark的数据 即16000000013的数据后 才进行[16000000000, 16000000010 )的窗口计算。

3、理解计时器的触发

如果我们计时器设置的是床口结束时间+1ms

那么计时器里边的计算会等到 窗口end+1ms的数据接收到才会执行。即接收到16000000011或者更大的数据（优先级低于watermark，所以会等到3s后触发）。

4、什么时候数据进入侧输出流

根据时间语义

.allowedLateness(Time.minutes(1)) //除了watermark等待时间外 先计算一遍，然后1分钟内 每来一条重新计算一遍,更新之前的结果

根据上篇内容进行修改 我们增加侧输出流、侧输出流打印、双定时器使用

package Project;

import Bean.ApachLogEvent;
import Bean.PageViewCount;
import com.sun.org.apache.xerces.internal.dom.PSVIElementNSImpl;
import org.apache.commons.compress.utils.Lists;
import org.apache.flink.api.common.functions.AggregateFunction;
import org.apache.flink.api.common.state.ListState;
import org.apache.flink.api.common.state.ListStateDescriptor;
import org.apache.flink.api.common.state.MapState;
import org.apache.flink.api.common.state.MapStateDescriptor;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.KeyedProcessFunction;
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.table.planner.expressions.In;
import org.apache.flink.util.Collector;
import org.apache.flink.util.OutputTag;

import java.net.URL;
import java.sql.Timestamp;
import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.Comparator;
import java.util.Map;

public class HotPages {
    public static void main(String[] args) throws Exception{
        //创建环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //设置时间语义
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
        //设置并行度
        env.setParallelism(1);

        //读取文件 转换成POJO类型
        //URL resource = HotPages.class.getResource("/apache.log");
        //DataStream<String> inputStream = env.readTextFile(resource.getPath());
        DataStream<String> inputStream = env.socketTextStream("192.168.6.23", 9999);
        DataStream<ApachLogEvent> dataStream = inputStream
                .map(line -> {
                    //分隔文件内容
                    String[] fields = line.split(" ");
                    //格式化时间格式
                    SimpleDateFormat simpleDateFormat = new SimpleDateFormat("dd/MM/yyyy:HH:mm:ss");
                    Long timestamp = simpleDateFormat.parse(fields[3]).getTime();
                    return new ApachLogEvent(fields[0], fields[1],timestamp,fields[5],fields[6]);
                })
                //Watermark 设置延迟时间
                .assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor<ApachLogEvent>(Time.seconds(3)) {
                    @Override
                    public long extractTimestamp(ApachLogEvent apachLogEvent) {
                        return apachLogEvent.getTimestamp();
                    }
                });
        //分组开窗聚合
        //定义一个测输出流标签
        //OutputTag<ApachLogEvent> lateTag = new OutputTag<ApachLogEvent>("late");
        //首先过滤 只要get请求即可
        SingleOutputStreamOperator<PageViewCount> windowAggStream = dataStream.filter(data -> "GET".equals(data.getMethod()))
                //按照url分组
                //.keyBy(data ->data.getUrl())
                .keyBy(ApachLogEvent::getUrl)
                //.keyBy("url")
                //开窗 10分钟统计一次 5秒钟滑动一次
                .timeWindow(Time.minutes(10), Time.seconds(5))
                .allowedLateness(Time.minutes(1)) //除了watermark等待时间外 先计算一遍，然后1分钟内 每来一条重新计算一遍,更新之前的结果
                .sideOutputLateData(new OutputTag<ApachLogEvent>("late"){}) //侧输出流 超过了一分钟的数据 进入侧输出流
                .aggregate(new PageCountAgg(), new PageCountResult());

        windowAggStream.print("agg");
        //打印侧输出流的数据
        windowAggStream.getSideOutput(new OutputTag<ApachLogEvent>("late"){}).print("late");

        //收集同一窗口count数据，排序输出
        DataStream<String> resultStream = windowAggStream.keyBy(PageViewCount::getWindowEnd)
                .process(new TopNHotPages(3));
        resultStream.print();
        env.execute("hot pages job");
    }
    //自定义预聚合函数
    public static class PageCountAgg implements AggregateFunction<ApachLogEvent, Long, Long>{
        @Override
        public Long createAccumulator() {
            return 0L;
        }

        @Override
        public Long add(ApachLogEvent apachLogEvent, Long aLong) {
            return aLong+1;
        }

        @Override
        public Long getResult(Long aLong) {
            return aLong;
        }

        @Override
        public Long merge(Long aLong, Long acc1) {
            return aLong+acc1;
        }
    }
    //实现自定义窗口函数
     public static class PageCountResult implements WindowFunction<Long, PageViewCount, String, TimeWindow>{
        @Override
        public void apply(String s, TimeWindow timeWindow, Iterable<Long> iterable, Collector<PageViewCount> collector) throws Exception {
            collector.collect( new PageViewCount(s, timeWindow.getEnd(), iterable.iterator().next()));;
        }
    }
    //实现自定义的窗口函数
    public static class TopNHotPages extends KeyedProcessFunction<Long, PageViewCount,String>{
        private static Integer topSize;

        public TopNHotPages(int i) {
            topSize=i;
        }

        //定义状态 保存当前所有PageViewCount到List中
        //ListState<PageViewCount> pageViewCountListState;
        MapState<String, Long> pageViewCountMapState;
        @Override
        public void processElement(PageViewCount pageViewCount, Context context, Collector<String> collector) throws Exception {
            //pageViewCountListState.add(pageViewCount);
            pageViewCountMapState.put(pageViewCount.getUrl(),pageViewCount.getCount());
            //定时器+1ms 执行统计
            context.timerService().registerProcessingTimeTimer(pageViewCount.getWindowEnd()+1);
            //再定义一个定时器 用于清空状态
            context.timerService().registerProcessingTimeTimer(pageViewCount.getWindowEnd()+60*1000L);
        }

        @Override
        public void open(Configuration parameters) throws Exception {
            pageViewCountMapState = getRuntimeContext().getMapState(new MapStateDescriptor<String, Long>("page-count-list",String.class,Long.class));

        }

        @Override
        public void onTimer(long timestamp, OnTimerContext ctx, Collector<String> out) throws Exception {
            //先判断是否到了窗口关闭清理时间 如果是 直接清空状态返回
            if(timestamp==ctx.getCurrentKey()+60*1000){
                pageViewCountMapState.clear();
                return;
            }
            System.out.println("执行任务"+ctx.getCurrentKey());
            ArrayList<Map.Entry<String, Long>>  pageViewCounts = Lists.newArrayList(pageViewCountMapState.entries().iterator());

            //排序
            pageViewCounts.sort(new Comparator<Map.Entry<String, Long>>() {
                @Override
                public int compare(Map.Entry<String, Long> o1, Map.Entry<String, Long> o2) {
                    if(o1.getValue()>o2.getValue()){
                        return -1;
                    }else if(o1.getValue()<o2.getValue()){
                        return 1;
                    }else{
                        return 0;
                    }
                }
            });
            //格式化成字符串输出
            //排名信息格式化成string，方便打印输出
            StringBuilder resultBuilder = new StringBuilder();
            resultBuilder.append("==========");
            resultBuilder.append("窗口结束时间: ").append( new Timestamp(timestamp-1)).append("\n");
            //遍历列表，取topN输出
            for(int i = 0;i<Math.min(topSize,pageViewCounts.size());i++){
                Map.Entry<String, Long> currentItemViewCount = pageViewCounts.get(i);
                resultBuilder.append("NO ").append(i+1).append(":")
                        .append(" url=").append(currentItemViewCount.getKey())
                        .append("热门度: ").append(currentItemViewCount.getValue())
                        .append("\n");
            }
            resultBuilder.append("==========\n");
            Thread.sleep(1000L);
            out.collect(resultBuilder.toString());
//            pageViewCounts.clear();
        }
    }
}