【Flink重难点辨析】WaterMark与EventTime
WaterMark
Flink中测量事件时间的进度的机制就是watermark(水印). watermark作为数据流的一部分在流动, 并且携带一个时间戳t。
一个Watermark(t)表示在这个流里面事件时间已经到了时间t, 意味着此时, 流中不应该存在这样的数据: 他的时间戳t2<=t (时间比较旧或者等于时间戳)。
1、衡量事件时间的进展。
2、是一个特殊的时间戳,生成之后随着流的流动而向后传递(广播方式)。
3、用来处理数据乱序的问题。
4、触发窗口等的计算、关闭。
5、单调递增的(时间不能倒退),与key无关。
6、Flink认为,小于Watermark时间戳的数据处理完了,不应该再出现。
有序流中的水印
事件是有序的(生成数据的时间和被处理的时间顺序是一致的), watermark是流中一个简单的周期性的标记。
有序场景:
1、底层调用的也是乱序的Watermark生成器,只是乱序程度传了一个0ms。
2、Watermark = maxTimestamp – outOfOrdernessMills – 1ms
= maxTimestamp – 0ms – 1ms
=>事件时间 – 1ms
乱序流中的水印
按照时间戳来看, 事件是乱序的, 则watermark对于这些乱序的流来说至关重要。
乱序场景:
1、什么是乱序 => 时间戳大的比时间戳小的先来
2、乱序程度设置多少比较合适?
a)经验值 => 对自身集群和数据的了解,大概估算。
b)对数据进行抽样。 --->抽样,算最大乱序程度
c)肯定不会设置为几小时,一般设为 秒 或者 分钟。
3、Watermark = maxTimestamp – outOfOrdernessMills – 1ms
=>当前最大的事件时间 – 乱序程度(等待时间)- 1ms
EventTime
事件时间是指的这个事件发生的时间.
事件时间程序必须制定如何产生Event Time Watermarks(水印) . 在事件时间体系中, 水印是表示时间进度的标志(作用就相当于现实时间的时钟).
注意:在Flink1.12之前默认的时间语义是处理时间, 从1.12开始, Flink内部已经把默认的语义改成了事件时间。
EventTime和WaterMark的使用
1.Monotonously Increasing Timestamps(时间戳单调增长:允许的延迟为0) —>有序
//分配时间戳和水印
waterSensorDStream.assignTimestampsAndWatermarks(WatermarkStrategy.
//水印策略:时间戳单调增长
<WaterSensor>forMonotonousTimestamps()
//指定时间戳
.withTimestampAssigner(new SerializableTimestampAssigner<WaterSensor>() {
@Override
public long extractTimestamp(WaterSensor element, long recordTimestamp) {
return element.getTs() * 1000;
}
})
);
2.Fixed Amount of Lateness(允许固定时间的延迟) —>乱序
//分配时间戳和水印
waterSensorDStream.assignTimestampsAndWatermarks(WatermarkStrategy.
//水印策略:固定时间的延迟
.<WaterSensor>forBoundedOutOfOrderness(Duration.ofSeconds(3)) //最大容忍的延迟时间
//指定时间戳
.withTimestampAssigner(new SerializableTimestampAssigner<WaterSensor>() {
@Override
public long extractTimestamp(WaterSensor element, long recordTimestamp) {
return element.getTs() * 1000;
}
}