阅读 107

Flink-DateStreamApi-eventTime

    • 查看本部分时请先查阅
    • 如果想使用 Event Time ，需要先设置正确的时间特征，方法如下
      StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
//设置流的时间特征，使用Event Time 必须要设置
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
    • 注意：指定时间特征后还需要使用数据源中直接根据 Event Time  生成  watermark  或者程序中在数据源后注入 Timestamp Assigner & Watermark Generator   关于watermark 请查看下面的内容 

      • 为了使用Event Time ，每个元素要有一个timestamp，一般是通过TimestampAssigner 获取
      • timestamp 与生成watermark 紧密关联， watermark 可以通过WatermarkGenerator 指定
      • Flink API 提供的WatermarkStrategy 包含了TimestampAssigner  和 WatermarkGenerator，WatermarkStrategy  提供了一部分静态方法，用户也可以进行自定义，自定义调用如下方法
        public interface WatermarkStrategy extends TimestampAssignerSupplier, WatermarkGeneratorSupplier{

    /**
     * Instantiates a {@link TimestampAssigner} for assigning timestamps according to this
     * strategy.
     */
    @Override
    TimestampAssigner createTimestampAssigner(TimestampAssignerSupplier.Context context);

    /**
     * Instantiates a WatermarkGenerator that generates watermarks according to this strategy.
     */
    @Override
    WatermarkGenerator createWatermarkGenerator(WatermarkGeneratorSupplier.Context context);
}
      • WatermarkStrategy lambda调用
        WatermarkStrategy
        .>forBoundedOutOfOrderness(Duration.ofSeconds(20))
        .withTimestampAssigner((event, timestamp) -> event.f0);
      • 注意：所有的 timestamp 和watermark 指定的时间都是 毫秒， 基于 1970-01-01T00:00:00Z.

      • WatermarkStrategy  在程序中有两处可以使用
        • 直接基于source------最优 （because it allows sources to exploit knowledge about shards/partitions/splits in the watermarking logic）
        • 非源操作后 --仅在第一种不能满足时使用
          final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

DataStream stream = env.readFile(
        myFormat, myFilePath, FileProcessingMode.PROCESS_CONTINUOUSLY, 100,
        FilePathFilter.createDefaultFilter(), typeInfo);

DataStream withTimestampsAndWatermarks = stream
        .filter( event -> event.severity() == WARNING )
        .assignTimestampsAndWatermarks();

withTimestampsAndWatermarks
        .keyBy( (event) -> event.getGroup() )
        .timeWindow(Time.seconds(10))
        .reduce( (a, b) -> a.add(b) )
        .addSink(...);

        • 公式
          TimeWindow中
   public static long getWindowStartWithOffset(long timestamp, long offset, long windowSize) {
        return timestamp - (timestamp - offset + windowSize) % windowSize;
    }

          package com.bbx.flink.demo.allow_latenss;

import com.bbx.flink.demo.entity.Temperature;
import lombok.extern.slf4j.Slf4j;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.typeutils.PojoTypeInfo;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.util.OutputTag;

import java.time.Duration;

/**
 * 本Demo功能点
 * 1、设置Event Time 的watermark ，
 * 2、侧输出流，等待迟到的数据
 *
 * 注意点：
 * 1、进哪个窗口是由 Event Time 决定的
 * 2、watermark 只是用来表示 标记时间内的元素已经到达，
 * 3、窗口开始时间计算公式 ：timestamp - (timestamp - offset + windowSize) % windowSize
 *      windowSize 为窗口大小
 *      timestamp 为 Event Time
 *      offset ： 时间偏移（主要用于时区调整）
 *      例如：以下面程序为例，windowSize 为：15s ， offset ：0，watermark 延迟时间为 2s ，输入的元素如下：
 *          1,1607654003161,11    0
 *          1,1607654004161,22    1
 *          1,1607654008161,19    5
 *          1,1607654009161,16    6
 *          1,1607654010161,17    7
 *          1,1607654011161,17    8
 *          1,1607654012161,27    9
 *
 *          1,1607654013161,17    10
 *      输入第一个元素的 event time为 1607654003161 ms ，offset 为0
 *      则窗口开始时间为 ：1607654003161-（1607654003161-0+15000）%15000=1607653995000
 *      因此范围为 第一个窗口为 [1607653995000   1607654010000)
 *               第二个窗口为 [1607654010000   1607654025000)
 *                   .......
 *       ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 *                    窗口内数据        watermark 时间
*       第一个窗口 1,1607654003161,11   1607654001161
 *               1,1607654004161,22   1607654002161
 *               1,1607654008161,19   1607654006161
 *               1,1607654009161,16   1607654007161
*       第二个窗口 1,1607654010161,17   1607654008161
 *               1,1607654011161,17   1607654009161
 *               1,1607654012161,27   1607654010161
 *               1,1607654013161,17   1607654011161
*      因为watermark延迟时间为2 s ，因此第一个窗口关闭时间为 1607654012000，当元素 1,1607654012161,27  抵达时第一个窗口开始关闭
 */
@Slf4j
public class SideOutDemo {

    public static void  main (String [] args) throws Exception {

        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //设置流的时间特征，使用Event Time 必须要设置
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
        env.setParallelism(1);
        //设置watermark 的时间间隔，有默认值
//        env.getConfig().setAutoWatermarkInterval(1L);

        OutputTag sideWindow = new OutputTag<>("sideWindow", PojoTypeInfo.of(Temperature.class));

        SingleOutputStreamOperator reduce = env.socketTextStream("114.116.104.74", 10003)
                .map((MapFunction) elment -> {
                    String[] varElment = elment.split(",");
                    return new Temperature(varElment[0], Long.parseLong(varElment[2]), Long.parseLong(varElment[1]));
                })
                .assignTimestampsAndWatermarks(
                        WatermarkStrategy.forBoundedOutOfOrderness(Duration.ofSeconds(2))
                                .withTimestampAssigner((i, timestamp) -> i.getTime())

                )
                .keyBy(i -> i.getId())
                .timeWindow(Time.seconds(15))
                //设定等待迟到数据的时间
                .allowedLateness(Time.seconds(5L))
                //为迟到数据开启侧输出流
                .sideOutputLateData(sideWindow)
                .max("tem");

        reduce.print("~~~~~~~~~");
        reduce.getSideOutput(sideWindow).print("######");
        env.execute();
    }
}

      • 在某些情况下，由于数据产生的比较少，导致一段时间内没有数据产生，进而就没有水印的生成，导致下游依赖水印的一些操作就会出现问题，比如某一个算子的上游有多个算子，这种情况下，水印是取其上游两个算子的较小值，如果上游某一个算子因为缺少数据迟迟没有生成水印，就会出现eventtime倾斜问题，导致下游没法触发计算。
      • 所以filnk通过WatermarkStrategy.withIdleness()方法允许用户在配置的时间内（即超时时间内）没有记录到达时将一个流标记为空闲。这样就意味着下游的数据不需要等待水印的到来。当下次有水印生成并发射到下游的时候，这个数据流重新变成活跃状态。
        WatermarkStrategy
        .>forBoundedOutOfOrderness(Duration.ofSeconds(20))
        .withIdleness(Duration.ofMinutes(1));

      • 简单的处理方式就是抽取元素中的 event time，这样我们不需要关注一些细节，除此之外，我们就会在下面的章节中介绍两种写起来比较复杂的方式，
        /**
 * The {@code WatermarkGenerator} generates watermarks either based on events or
 * periodically (in a fixed interval).
 *
 * 
        Note: This WatermarkGenerator subsumes the previous distinction between the
 * {@code AssignerWithPunctuatedWatermarks} and the {@code AssignerWithPeriodicWatermarks}.
 */
@Public
public interface WatermarkGenerator {

	/**  每个元素抵达后调用，通常用于生成 Punctuated watermark   通过事件触发
	 * Called for every event, allows the watermark generator to examine and remember the
	 * event timestamps, or to emit a watermark based on the event itself.
	 */
	void onEvent(T event, long eventTimestamp, WatermarkOutput output);

	/**通常用于生成 periodic watermark，   通过时间触发
	 * Called periodically, and might emit a new watermark, or not.
	 *
	 * 
        The interval in which this method is called and Watermarks are generated
	 * depends on {@link ExecutionConfig#getAutoWatermarkInterval()}.
	 */
	void onPeriodicEmit(WatermarkOutput output);
}
      • watermark 生成有两种不同的方式，periodic   （周期性的）  和 punctuated（标点性的）

        • 周期性的调用生成器的方法，如果返回的watermark  非空并且大于以前的watermark，将发出新的watermark， 周期参数可以通过 setAutoWatermarkInterval(...) 设定
          env.getConfig().setAutoWatermarkInterval(1L)
        • 两个简单示例如下
          **
 * This generator generates watermarks assuming that elements arrive out of order,
 * but only to a certain degree. The latest elements for a certain timestamp t will arrive
 * at most n milliseconds after the earliest elements for timestamp t.
 */
public class BoundedOutOfOrdernessGenerator implements WatermarkGenerator {

    private final long maxOutOfOrderness = 3500; // 3.5 seconds

    private long currentMaxTimestamp;

    @Override
    public void onEvent(MyEvent event, long eventTimestamp, WatermarkOutput output) {
        currentMaxTimestamp = Math.max(currentMaxTimestamp, eventTimestamp);
    }

    @Override
    public void onPeriodicEmit(WatermarkOutput output) {
        //已经接收到元素的最大 timestamp  减去  最大乱序程度  -1  ，此处的 -1 表示不包含这个时间---个人理解 
        // emit the watermark as current highest timestamp minus the out-of-orderness bound
        output.emitWatermark(new Watermark(currentMaxTimestamp - maxOutOfOrderness - 1));
    }

}

/**
 * This generator generates watermarks that are lagging behind processing time by a fixed amount.
 * It assumes that elements arrive in Flink after a bounded delay.
 */
public class TimeLagWatermarkGenerator implements WatermarkGenerator {

    private final long maxTimeLag = 5000; // 5 seconds

    @Override
    public void onEvent(MyEvent event, long eventTimestamp, WatermarkOutput output) {
        // don‘t need to do anything because we work on processing time
    }

    @Override
    public void onPeriodicEmit(WatermarkOutput output) {
        output.emitWatermark(new Watermark(System.currentTimeMillis() - maxTimeLag));
    }
}

        • 每个元素抵达后生成一个watermark，过多的watermark 会影响性能，数据流中元素较少时可以使用
          public class PunctuatedAssigner implements WatermarkGenerator {

    @Override
    public void onEvent(MyEvent event, long eventTimestamp, WatermarkOutput output) {
        if (event.hasWatermarkMarker()) {
            output.emitWatermark(new Watermark(event.getWatermarkTimestamp()));
        }
    }

    @Override
    public void onPeriodicEmit(WatermarkOutput output) {
        // don‘t need to do anything because we emit in reaction to events above
    }
}

    • Flink 预定义了一部分 timestamp assigners ，用户也可以自定义实现，实现方法请查阅Flink 预先定义的方法

      • 单调递增时间戳，在数据没有乱序的情况下，周期性 watermark 最简单的方式就是使用 数据源的时间戳或者当前时间戳
        WatermarkStrategy.forMonotonousTimestamps();
      • 固定延迟量，有迟到数据时调用
        WatermarkStrategy.forBoundedOutOfOrderness(Duration.ofSeconds(10));

原文：https://www.cnblogs.com/sxubo/p/14134729.html
文章分类
代码人生
文章标签
flink
datestreamapi
eventtime
版权声明：本站是系统测试站点，无实际运营。本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 XXXXXXo@163.com 举报，一经查实，本站将立刻删除。
相关推荐