【时间】2022.06.07 周二

【题目】【Flink入门（5）】Flink的时间语义与Watermark

本专栏是尚硅谷Flink课程的笔记与思维导图。

目录

引言

一、时间（Time）语义

 三种时间语义

二、Watermark（水位线）

2.1 概述

乱序数据的影响

2.2 特点

2.3 Watermark相关知识

1）向下游传递

2）在stream中引入（代码）

3）设置合适的WaterMark延时时间 

4）窗口起始点计算

2.4 Flink处理迟到数据的3层保障

总思维导图

引言

1. flink中有3种时间语义，这里主要讲EvenTime事件时间，从数据的时间戳中提取，属于事件创建（数据产生）的时间，区别于数据到达时间（Ingestion Time）和处理时间（Processing Time）。 
2. Watermark（水位线）是一种处理乱序数据的机制，相当于扩宽window窗口以处理迟到数据。

一、时间（Time）语义

 三种时间语义

二、Watermark（水位线）

2.1 概述

乱序数据的影响

2.2 特点

 

WaterMark的作用是延迟关闭前一个窗口的时间，以处理迟到的数据：

2.3 Watermark相关知识

1）向下游传递

上游Task的watermark广播给下游Task，下游Task取最小WM：

2）在stream中引入（代码）

 例子：

public class WindowTest3_EventTimeWindow {
  public static void main(String[] args) throws Exception {
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    // Flink1.12.X 已经默认就是使用EventTime了，所以不需要这行代码
    //        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
    env.getConfig().setAutoWatermarkInterval(100);

    // socket文本流
    DataStream inputStream = env.socketTextStream("localhost", 7777);

    // 转换成SensorReading类型，分配时间戳和watermark
    DataStream dataStream = inputStream.map(line -> {
      String[] fields = line.split(",");
      return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
    })
      //              
      // 旧版 (新版官方推荐用assignTimestampsAndWatermarks(WatermarkStrategy) )
      // 升序数据（不乱序）设置事件时间和watermark
      //.assignTimestampsAndWatermarks(new AscendingTimestampExtractor() {
      //  @Override
      //  public long extractAscendingTimestamp(SensorReading element) {
      //    return element.getTimestamp() * 1000L;
      //  }
      //})
      
      // 旧版 (新版官方推荐用assignTimestampsAndWatermarks(WatermarkStrategy) )
      // 乱序数据设置时间戳和watermark
      .assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor(Time.seconds(2)) {//需要传入参数：乱序程度
        @Override
        public long extractTimestamp(SensorReading element) {
          return element.getTimestamp() * 1000L; //毫秒
        }
      });

    OutputTag outputTag = new OutputTag("late") {
    };

    // 基于事件时间的开窗聚合，统计15秒内温度的最小值
    SingleOutputStreamOperator minTempStream = dataStream.keyBy("id")
      .timeWindow(Time.seconds(15))
      .allowedLateness(Time.minutes(1))
      .sideOutputLateData(outputTag)
      .minBy("temperature");

    minTempStream.print("minTemp");
    minTempStream.getSideOutput(outputTag).print("late");

    env.execute();
  }
}

3）设置合适的WaterMark延时时间 

4）窗口起始点计算

其中offset是时区偏移量。

2.4 Flink处理迟到数据的3层保障

例子：

public class WindowTest3_EventTimeWindow {
  public static void main(String[] args) throws Exception {
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    env.setParallelism(1);

    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
    env.getConfig().setAutoWatermarkInterval(100);

    // socket文本流
    DataStream inputStream = env.socketTextStream("localhost", 7777);

    // 转换成SensorReading类型，分配时间戳和watermark
    DataStream dataStream = inputStream.map(line -> {
      String[] fields = line.split(",");
      return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
    })
      
      // 乱序数据设置时间戳和watermark
      .assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor(Time.seconds(2)) {
        @Override
        public long extractTimestamp(SensorReading element) {
          return element.getTimestamp() * 1000L;
        }
      });

    OutputTag outputTag = new OutputTag("late") {
    };

    // 基于事件时间的开窗聚合，统计15秒内温度的最小值
    SingleOutputStreamOperator minTempStream = dataStream.keyBy("id")
      .timeWindow(Time.seconds(15)) //时间窗口大小15s
      .allowedLateness(Time.minutes(1))//允许延时1m，这是基于处理时间的（即窗口执行时间），窗口操作后，在1min内，每来一个迟到数据，就输出一个结果。
      .sideOutputLateData(outputTag)//测输出流
      .minBy("temperature");

    minTempStream.print("minTemp");
    minTempStream.getSideOutput(outputTag).print("late");

    env.execute();
  }
}

总思维导图