flink笔记7 Flink时间语义和Window

最新推荐文章于 2024-05-06 22:30:42 发布

耀芽芽抱

最新推荐文章于 2024-05-06 22:30:42 发布

阅读量351

点赞数

分类专栏：流计算Flink 文章标签： flink

本文链接：https://blog.csdn.net/weixin_43631997/article/details/115720895

版权

流计算Flink 专栏收录该内容

16 篇文章 4 订阅

订阅专栏

Catalog

Flink的三种时间语义

Window

Window API

Flink的三种时间语义

事件生成时间 Event time ：事件自身的时间，一般就是数据本身携带的时间
事件接入时间 Ingestion time ：事件进入Flink的时间，在数据源操作处（进入 Flink source 时），每个事件将进入 Flink 时当时的时间作为时间戳
事件处理时间 Processing time ：是每一个执行基于时间操作的算子的本地系统时间，与机器相关，默认的时间属性就是Processing Time

例如，一条日志进入Flink 的时间为2017-11-12 10:00:00.123，到达Window 的系统时间为2017-11-12 10:00:01.234，日志的内容如下：

2017-11-02 18:37:15.624 INFO Fail over to rm2

Event time ：2017-11-02 18:37:15.624

Ingestion time ：2017-11-12 10:00:00.123

Processing time：2017-11-12 10:00:01.234

在Flink的流式处理中，绝大部分业务都会使用event Time，一般只在event Time无法使用时，才会被迫使用Processing Time或者Ingestion Time。

如果要使用EventTime，那么需要引入EventTime的时间属性，引入EventTime的方法：

val env = StreamExecutionEnvironment.getExecutionEnvironment

//从调用时刻开始给env创建的每一个stream追加时间内特性
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

Window

Streaming流式计算是一种被设计用于处理无限数据集的数据处理引擎，而无限数据集是指一种不断增加的本质上无限的数据集，而window是一种切割无限数据为有限块进行处理的手段。

Window是无限数据流处理的核心，Window将一个无限的stream拆分成有限大小的“buckets”桶，我们可以再这些桶上做计算操作。

窗口window是从 Streaming(流) 到 Batch(批) 的一个桥梁。

Window可以是时间驱动的：Time Window(时间窗口)：按照时间生成Window；也可以是数据驱动的：Count Window(计数窗口)：按照指定的数据条数生成一个Window，与时间无关

Window的分类

Tumbling Window(滚动窗口) 窗口长度固定，没有重叠
Sliding Window(滑动窗口) 窗口长度固定，可以有重叠
Session Window(会话窗口) 时间无对齐

滚动窗口：将数据依据固定的窗口长度对数据进行切片

翻滚窗口能将数据流切分成不重叠的窗口，每一个事件只能属于一个窗口。窗口左闭右开[ )。

滑动窗口：固定窗口的更广义的一种形式，滑动窗口由固定的窗口长度和滑动间隔组成。

滑动窗口和翻滚窗口类似，区别在于：滑动窗口可以有重叠的部分。

会话窗口：由一系列事件组合一个指定的时间长度的timeout间隙组成，一段时间没有接收新数据就会生成新的窗口

没有固定的开始时间和结束时间，只有当一段时间内没有接收新数据就会关闭窗口，下次来新数据的时候开启新窗口。

本质还是TimeWindow，将某段时间内活跃度比较高的数据聚合成一个窗口进行计算，窗口触发的条件是Session Gap，Session Gap规定了不活跃数据的时间上限。

Window API

创建一个窗口(可以基于这个window去做一些聚合或者其他操作)

通用方法 .window() window方法必须在keyBy()之后才能用
简单方法 .timeWindow() .countWindow() 不能用来创建会话窗口

window()方法接收的输入参数是一个WindowAssigner，它负责将每一条输入的数据分发到正确的window中

Flink提供了通用的WindowAssigner

Tumbling window
Sliding window
Session window
Global window

Global window将所有相同key的数据分配到单个窗口中计算结果，窗口没有起始和结束时间，窗口需要借助trigger来触发计算。还需要有指定的数据清理机制，否则数据将一直留在内存中。所有的窗口都会在同一个task中计算，也就是并行度parallesim 为1，Global window不常用。

window方法创建窗口的代码实现：

import org.apache.flink.streaming.api.scala.{StreamExecutionEnvironment, createTypeInformation}
import org.apache.flink.streaming.api.windowing.assigners.{SlidingEventTimeWindows, SlidingProcessingTimeWindows, TumblingEventTimeWindows, TumblingProcessingTimeWindows}
import org.apache.flink.streaming.api.windowing.time.Time

case class sensorReading(id:String,timestamp:Long,temperature:Double)

object window_test {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1)

    val inputdatastream = env.socketTextStream("localhost",7777)

    val data_stream = inputdatastream
      .map ( data => {
        val arr = data.split(",")
        sensorReading(arr(0), arr(1).toLong, arr(2).toDouble)
      }
      )

    val result_stream = data_stream
      .map(data =>(data.id,data.timestamp,data.temperature))
      .keyBy(_._1)
      //window Assigner
//      Tumbling Time Window 第一个参数代表：size 第二个参数代表：offset 延迟
//      .window(TumblingEventTimeWindows.of(Time.seconds(10)))
//      .window(TumblingEventTimeWindows.of(Time.seconds(10),Time.seconds(5)))

//      .window(TumblingProcessingTimeWindows.of(Time.seconds(10)))
//      .window(TumblingProcessingTimeWindows.of(Time.seconds(10),Time.seconds(5)))


//      Sliding Time Window 第一个参数代表：size 第二个参数代表：slide 第三个参数代表：offset
//      .window(SlidingEventTimeWindows.of(Time.seconds(10),Time.seconds(5)))
//      .window(SlidingEventTimeWindows.of(Time.seconds(10),Time.seconds(5),Time.seconds(2)))
      .window(SlidingProcessingTimeWindows.of(Time.seconds(10),Time.seconds(5)))
//      .window(SlidingProcessingTimeWindows.of(Time.seconds(10),Time.seconds(5),Time.seconds(2)))
    
//   经过windowFunction变成DataStream类型才可以print 现在是一个windowedStream
    //windowFunction
      .reduce((data1,data2)=>(data1._1,data2._2,data1._3.min(data2._3)))
//    result_stream.print()

    env.execute("window test")
  }
}

参数、方法使用可以参考底层源码，例如

SlidingProcessingTimeWindows类的静态方法可以返回一个SlidingProcessingTimeWindows类型的对象，两个参数均是Time类型，第一个参数是窗口大小，第二个参数是窗口滑动时间，和另一个方法相比，第三个参数默认offset:0

简单方法创建窗口的代码实现：

import org.apache.flink.streaming.api.scala.{StreamExecutionEnvironment, createTypeInformation}
import org.apache.flink.streaming.api.windowing.time.Time

object window_test2 {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
//    env.setParallelism(1)

    val inputdatastream = env.socketTextStream("localhost",7777)

    val data_stream = inputdatastream
      .map ( data => {
        val arr = data.split(",")
        sensorReading(arr(0), arr(1).toLong, arr(2).toDouble)
      }
      )

    val result_stream = data_stream
      .map(data =>(data.id,data.timestamp,data.temperature))
      .keyBy(_._1)
//      这两个方法 一个参数代表滚动窗口Tumbling，两个参数代表滑动窗口sliding
      .timeWindow(Time.seconds(10))
//      .timeWindow(Time.seconds(10),Time.seconds(5))
//      .countWindow(10)
//      .countWindow(10,5)
      .reduce((data1,data2)=>(data1._1,data2._2,data1._3.min(data2._3)))

    result_stream.print()
    env.execute("window test2")
  }
}