富函数 and 窗口操作符
一、富函数
- 富函数:相当于常规转换函数的扩展。一般rich + 常规函数就是该常规函数所对应的富函数。
- 富函数与常规函数的区别。富函数中多了两个方法:
@Override
public void open(Configuration parameters) throws Exception {}
@Override
public void close() throws Exception {}
- open函数一般用作初始化数据
- close函数一般用作清理工作
二、窗口操作符
窗口操作符:一般用作开窗处理,为了获取有界的流,将流式数据切断成一批数据,与spark Streaming中的开窗相似。会将数据分发到有限大小的桶(bucket)中分析。
1、窗口的类型:
- 时间窗口(Time Window)
- 滚动时间窗口
- 滑动时间窗口
- 会话窗口(Session Windows)
- 计数窗口(Count Window)
- 滚动计数窗口
- 滑动计数窗口
- 全局窗口
窗口特点:
1、左闭右开
2、结构转换:(key,value)=>((key,value),key) => window => ((key,value),key,window)
2、滚动窗口(Tumbling Windows)
特点:
- 数据按照固定时间,或者固定值进行切分。
- 时间对齐,窗口长度固定,没有重叠
3、滑动窗口(Sliding Windows)
特点:
- 滑动窗口由滑动窗口的长度和滑动窗口的步长来决定。
- 窗口长度固定,可以重叠
3、会话窗口(Session window)
特点:
- 存在一个超时时间 timeout ,也就是一段时间没有接收到新数据就会生成新的窗口。多用于统计分散时间的数据。
- 时间无对齐
4、window API以及注意
- window()
- timeWindow():时间窗口(常用)
- countWindow():计数窗口
注意:开窗函数必须在keyBy()函数之后。
5、窗口聚合函数
一般用作对开过窗的函数进行处理操作的函数。可以分为两类
- 增量聚合函数
- 在开窗内,没进入一条数据就进行计算。,维持着一个简单的累加器。
- 常用函数ReduceFunction,AggregateFunction
- 全窗口聚合函数
- 先将全窗口的数据全部收集起来,计算时,遍历所有数据进行计算。
- 实现 ProcessWindowFunction
- 可以获取对应的一些参数,例如窗口的开始时间和结束时间,
区别:
- 增量聚合函数,进来一次处理一次数据,如果开窗内数据较多,需要计算的次数较多,对cpu的压力较大。
- 全量聚合函数,需要等所有数据全部收集后,统一遍历计算,如果窗口内数据较多,会对内存压力较大,占内存。
- 也可以两者统一使用,可以