Flink-Window

2022-01-18 21:04:55

Flink的高级API

Flink的基石

Flink之所以能这么流行，离不开它最重要的四个基石：Checkpoint、State、Time、Window。

Checkpoint

这是Flink最重要的一个特性。

Flink基于Chandy-Lamport算法实现了一个分布式的一致性的快照，从而提供了一致性的语义。

Chandy-Lamport算法实际上在1985年的时候已经被提出来，但并没有被很广泛的应用，而Flink则把这个算法发扬光大了。

Spark最近在实现Continue streaming，Continue streaming的目的是为了降低处理的延时，其也需要提供这种一致性的语义，最终也采用了Chandy-Lamport这个算法，说明Chandy-Lamport算法在业界得到了一定的肯定。

State

提供了一致性的语义之后，Flink为了让用户在编程时能够更轻松、更容易地去管理状态，还提供了一套非常简单明了的State API，包括ValueState、ListState、MapState，BroadcastState。

Time

除此之外，Flink还实现了Watermark的机制，能够支持基于事件的时间的处理，能够容忍迟到/乱序的数据。

Window

另外流计算中一般在对流数据进行操作之前都会先进行开窗，即基于一个什么样的窗口上做这个计算。Flink提供了开箱即用的各种窗口，比如滑动窗口、滚动窗口、会话窗口以及非常灵活的自定义的窗口。

Flink-Window操作

为什么需要Window

在流处理应用中，数据是连续不断的，有时我们需要做一些聚合类的处理，例如：在过去的1分钟内有多少用户点击了我们的网页。
在这种情况下，我们必须定义一个窗口(window)，用来收集最近1分钟内的数据，并对这个窗口内的数据进行计算。

Window的分类

按照time和count分类

time-window:时间窗口:根据时间划分窗口,如:每xx分钟统计最近xx分钟的数据
count-window:数量窗口:根据数量划分窗口,如:每xx个数据统计最近xx个数据

按照slide和size分类

窗口有两个重要的属性: 窗口大小size和滑动间隔slide,根据它们的大小关系可分为:

tumbling-window:滚动窗口:size=slide,如:每隔10s统计最近10s的数据

sliding-window:滑动窗口:size>slide,如:每隔5s统计最近10s的数据

总结：

按照上面窗口的分类方式进行组合,可以得出如下的窗口:

1.基于时间的滚动窗口tumbling-time-window--用的较多

2.基于时间的滑动窗口sliding-time-window--用的较多

3.基于数量的滚动窗口tumbling-count-window--用的较少

4.基于数量的滑动窗口sliding-count-window--用的较少

注意:Flink还支持一个特殊的窗口:Session会话窗口,需要设置一个会话超时时间,如30s,则表示30s内没有数据到来,则触发上个窗口的计算

Window的API

window和windowAll

使用keyby的流,应该使用window方法

未使用keyby的流,应该调用windowAll方法

WindowAssigner

window/windowAll 方法接收的输入是一个 WindowAssigner， WindowAssigner 负责将每条输入的数据分发到正确的 window 中，

Flink提供了很多各种场景用的WindowAssigner：

如果需要自己定制数据分发策略，则可以实现一个 class，继承自 WindowAssigner。

evictor

evictor 主要用于做一些数据的自定义操作，可以在执行用户代码之前，也可以在执行

用户代码之后，更详细的描述可以参考org.apache.flink.streaming.api.windowing.evictors.Evictor 的 evicBefore 和 evicAfter两个方法。

Flink 提供了如下三种通用的 evictor：

CountEvictor 保留指定数量的元素
TimeEvictor 设定一个阈值 interval，删除所有不再 max_ts - interval 范围内的元素，其中 max_ts 是窗口内时间戳的最大值。
DeltaEvictor 通过执行用户给定的 DeltaFunction 以及预设的 theshold，判断是否删除一个元素。

trigger

trigger 用来判断一个窗口是否需要被触发，每个 WindowAssigner 都自带一个默认的trigger，

如果默认的 trigger 不能满足你的需求，则可以自定义一个类，继承自Trigger 即可，我们详细描述下 Trigger 的接口以及含义：

onElement() 每次往 window 增加一个元素的时候都会触发
onEventTime() 当 event-time timer 被触发的时候会调用
onProcessingTime() 当 processing-time timer 被触发的时候会调用
onMerge() 对两个 `rigger 的 state 进行 merge 操作
clear() window 销毁的时候被调用

上面的接口中前三个会返回一个 TriggerResult， TriggerResult 有如下几种可能的选择：

CONTINUE 不做任何事情
FIRE 触发 window
PURGE 清空整个 window 的元素并销毁窗口
FIRE_AND_PURGE 触发窗口，然后销毁窗口

基于时间的滚动和滑动窗口

时间的滚动窗口

/**
 * @author WGR
 * @create 2021/9/10 -- 9:24
 */
public class WindowDemo01_TimeWindow {

    public static void main(String[] args) throws Exception {
        
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        DataStreamSource<String> socketDS  = env.socketTextStream("192.168.1.180", 9998);

        SingleOutputStreamOperator<CartInfo> cartInfoDS  = socketDS.map(new MapFunction<String, CartInfo>() {

            @Override
            public CartInfo map(String value) throws Exception {
                String[] arr = value.split(",");
                return new CartInfo(arr[0], Integer.parseInt(arr[1]));
            }
        });

        // 需求1:每5秒钟统计一次，最近5秒钟内，各个路口/信号灯通过红绿灯汽车的数量--基于时间的滚动窗口
        SingleOutputStreamOperator<CartInfo> result1  = cartInfoDS.keyBy(CartInfo::getSensorId)
                .window(TumblingProcessingTimeWindows.of(Time.seconds(5)))
                .sum("count");

        result1.print();
        env.execute();

    }

    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public static class CartInfo {
        private String sensorId;//信号灯id
        private Integer count;//通过该信号灯的车的数量
    }
}

结果：

7> WindowDemo01_TimeWindow.CartInfo(sensorId=1, count=1)
7> WindowDemo01_TimeWindow.CartInfo(sensorId=1, count=9)
7> WindowDemo01_TimeWindow.CartInfo(sensorId=1, count=18)
7> WindowDemo01_TimeWindow.CartInfo(sensorId=1, count=17)
7> WindowDemo01_TimeWindow.CartInfo(sensorId=1, count=10)

时间的滑动窗口

/**
 * @author WGR
 * @create 2021/9/10 -- 9:42
 */
public class WindowDemo02_TimeWindow {

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

        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        DataStreamSource<String> socketDS  = env.socketTextStream("192.168.1.180", 9998);

        SingleOutputStreamOperator<CartInfo> cartInfoDS  = socketDS.map(new MapFunction<String, CartInfo>() {

            @Override
            public CartInfo map(String value) throws Exception {
                String[] arr = value.split(",");
                return new CartInfo(arr[0], Integer.parseInt(arr[1]));
            }
        });

        // 需求2:每3秒钟统计一次，最近5秒钟内，各个路口/信号灯通过红绿灯汽车的数量--基于时间的滑动窗口
        SingleOutputStreamOperator<CartInfo> result1  = cartInfoDS.keyBy(CartInfo::getSensorId)
                .window(SlidingProcessingTimeWindows.of(Time.seconds(5),Time.seconds(3)))
                .sum("count");

        result1.print();
        env.execute();

    }

    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public static class CartInfo {
        private String sensorId;//信号灯id
        private Integer count;//通过该信号灯的车的数量
    }
}

结果：

7> WindowDemo02_TimeWindow.CartInfo(sensorId=1, count=3)   1+2
7> WindowDemo02_TimeWindow.CartInfo(sensorId=1, count=10) 1+2+3+4
7> WindowDemo02_TimeWindow.CartInfo(sensorId=1, count=15) 4+5+6
7> WindowDemo02_TimeWindow.CartInfo(sensorId=1, count=21) 6+7+8
7> WindowDemo02_TimeWindow.CartInfo(sensorId=1, count=27)  8+9+10
7> WindowDemo02_TimeWindow.CartInfo(sensorId=1, count=10) 10

基于数量的滚动和滑动窗口

数量的滚动窗口

/**
 * @author WGR
 * @create 2021/9/10 -- 9:53
 */
public class WindowDemo03_CountWindow {

    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        DataStreamSource<String> socketDS  = env.socketTextStream("192.168.1.180", 9998);

        SingleOutputStreamOperator<CartInfo> cartInfoDS  = socketDS.map(new MapFunction<String, CartInfo>() {

            @Override
            public CartInfo map(String value) throws Exception {
                String[] arr = value.split(",");
                return new CartInfo(arr[0], Integer.parseInt(arr[1]));
            }
        });

        // 需求1:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现5次进行统计--基于数量的滚动窗口
        SingleOutputStreamOperator<CartInfo> result1  = cartInfoDS.keyBy(CartInfo::getSensorId)
                .countWindow(5L)
                .sum("count");

        result1.print();
        env.execute();
    }



    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public static class CartInfo {
        private String sensorId;//信号灯id
        private Integer count;//通过该信号灯的车的数量
    }
}

结果：需要等到id为1的数量达到5个的时候才会触发。

7> WindowDemo03_CountWindow.CartInfo(sensorId=1, count=6)
1,1
1,1
1,1
1,1
2,1
1,2

数量的滑动窗口

/**
 * @author WGR
 * @create 2021/9/10 -- 9:53
 */
public class WindowDemo04_CountWindow {

    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        DataStreamSource<String> socketDS  = env.socketTextStream("192.168.1.180", 9998);

        SingleOutputStreamOperator<WindowDemo03_CountWindow.CartInfo> cartInfoDS  = socketDS.map(new MapFunction<String, WindowDemo03_CountWindow.CartInfo>() {

            @Override
            public WindowDemo03_CountWindow.CartInfo map(String value) throws Exception {
                String[] arr = value.split(",");
                return new WindowDemo03_CountWindow.CartInfo(arr[0], Integer.parseInt(arr[1]));
            }
        });

        // 统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现3次进行统计--基于数量的滑动窗口
        SingleOutputStreamOperator<WindowDemo03_CountWindow.CartInfo> result1  = cartInfoDS.keyBy(WindowDemo03_CountWindow.CartInfo::getSensorId)
                .countWindow(5L,3L)
                .sum("count");

        result1.print();
        env.execute();
    }

}

结果：

7> WindowDemo03_CountWindow.CartInfo(sensorId=1, count=3)
1,1
1,1
2,1
1,1
2,1
3,1
4,1

基于会话窗口

设置会话超时时间为10s,10s内没有数据到来,则触发上个窗口的计算

/**
 * @author WGR
 * @create 2021/9/10 -- 10:09
 */
public class WindowDemo05_SessionWindow {

    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        DataStreamSource<String> socketDS  = env.socketTextStream("192.168.1.180", 9998);

        SingleOutputStreamOperator<WindowDemo03_CountWindow.CartInfo> cartInfoDS  = socketDS.map(new MapFunction<String, WindowDemo03_CountWindow.CartInfo>() {

            @Override
            public WindowDemo03_CountWindow.CartInfo map(String value) throws Exception {
                String[] arr = value.split(",");
                return new WindowDemo03_CountWindow.CartInfo(arr[0], Integer.parseInt(arr[1]));
            }
        });

        // 需求:设置会话超时时间为10s,10s内没有数据到来,则触发上个窗口的计算(前提是上一个窗口得有数据!)
        SingleOutputStreamOperator<WindowDemo03_CountWindow.CartInfo> result1  = cartInfoDS.keyBy(WindowDemo03_CountWindow.CartInfo::getSensorId)
                .window(ProcessingTimeSessionWindows.withGap(Time.seconds(10)))
                .sum("count");

        result1.print();
        env.execute();
    }
}