Flink EventTime 与 Window
发布时间:2020-12-14 05:33:13 所属栏目:Windows 来源:网络整理
导读:第七章 EventTime 与 Window 7.1 EventTime 的引入 在 Flink 的 流 式 处 理中 , 绝 大 部 分 的 业务都 会 使 用 eventTime,一般只在 eventTime 无法使用时,才会被迫使用 ProcessingTime 或者 IngestionTime。 如果要使用 EventTime,那么需要引入 Event
第七章 EventTime 与 Window7.1 EventTime 的引入
在 Flink 的 流 式 处 理中 , 绝 大 部 分 的 业务都 会 使 用 eventTime,一般只在
eventTime 无法使用时,才会被迫使用 ProcessingTime 或者 IngestionTime。
如果要使用 EventTime,那么需要引入 EventTime 的时间属性,
引入方式如下所示:
val env = StreamExecutionEnvironment.getExecutionEnvironment ? ? ? 7.2 Watermark7.2.1 基本概念
我们知道,流处理从事件产生,到流经 source,再到 operator,中间是有一个过
程和时间的,虽然大部分情况下,流到 operator 的数据都是按照事件产生的时间顺
序来的,但是也不排除由于网络等原因,导致乱序的产生,所谓乱序,就是指 Flink
接收到的事件的先后顺序不是严格按照事件的 Event Time 顺序排列的。
那么此时出现一个问题,一旦出现乱序,如果只根据 eventTime 决定 window 的
运行,我们不能明确数据是否全部到位,但又不能无限期的等下去,此时必须要有
个机制来保证一个特定的时间后,必须触发 window 去进行计算了,这个特别的机
制,就是 Watermark。
Watermark 是一种衡量 Event Time 进展的机制,它是数据本身的一个隐藏属性,
数据本身携带着对应的 Watermark。
Watermark 是 用 于 处 理 乱 序 事 件 的 , 而 正 确 的 处 理 乱 序 事 件 , 通 常 用
Watermark 机制结合 window 来实现。
数据流中的 Watermark 用于表示 timestamp 小于 Watermark 的数据,都已经
到达了,因此,window 的执行也是由 Watermark 触发的。
Watermark 可以理解成一个延迟触发机制,我们可以设置 Watermark 的延时
时 长 t, 每 次 系 统 会 校 验 已 经 到 达 的 数 据 中 最 大 的 maxEventTime, 然 后 认 定
eventTime 小于 maxEventTime - t 的所有数据都已经到达,如果有窗口的停止时间
等于 maxEventTime – t,那么这个窗口被触发执行。
?
有序流的 Watermarker 如下图所示:(Watermark 设置为 0)
当 Flink 接收到每一条数据时,都会产生一条 Watermark,这条 Watermark
就等于当前所有到达数据中的 maxEventTime - 延迟时长,也就是说,Watermark
是由数据携带的,一旦数据携带的 Watermark 比当前未触发的窗口的停止时间要
晚,那么就会触发相应窗口的执行。由于 Watermark 是由数据携带的,因此,如果
运行过程中无法获取新的数据,那么没有被触发的窗口将永远都不被触发。
上图中,我们设置的允许最大延迟到达时间为 2s,所以时间戳为 7s 的事件对应
的 Watermark 是 5s,时间戳为 12s 的事件的 Watermark 是 10s,如果我们的窗口 1
是 1s~5s,窗口 2 是 6s~10s,那么时间戳为 7s 的事件到达时的 Watermarker 恰好触
发窗口 1,时间戳为 12s 的事件到达时的 Watermark 恰好触发窗口 2。?
?
?
?
7.2.2 Watermark 的引入val env = StreamExecutionEnvironment.getExecutionEnvironment ? ? ? ? 7.3 EvnetTimeWindow API
当使用 EventTimeWindow 时,所有的 Window 在 EventTime 的时间轴上进行划
分,也就是说,在 Window 启动后,会根据初始的 EventTime 时间每隔一段时间划
分一个窗口,如果 Window 大小是 3 秒,那么 1 分钟内会把 Window 划分为如下的
形式:
[00:00:00,00:00:03) [00:00:03,00:00:06) ... [00:00:57,00:01:00) ?
如果 Window 大小是 10 秒,则 Window 会被分为如下的形式:
[00:00:00,00:00:10) [00:00:10,00:00:20) ... [00:00:50,00:01:00)
注意,窗口是左闭右开的,形式为:[window_start_time,window_end_time)。
?
Window 的设定无关数据本身,而是系统定义好了的,也就是说,Window 会一
直按照指定的时间间隔进行划分,不论这个 Window 中有没有数据,EventTime 在
这个 Window 期间的数据会进入这个 Window。
Window 会不断产生,属于这个 Window 范围的数据会被不断加入到 Window 中,
所有未被触发的 Window 都会等待触发,只要 Window 还没触发,属于这个 Window
范围的数据就会一直被加入到 Window 中,直到 Window 被触发才会停止数据的追
加,而当 Window 触发之后才接受到的属于被触发 Window 的数据会被丢弃。
?
Window 会在以下的条件满足时被触发执行:
?
watermark 时间 >= window_end_time;
?
在[window_start_time,window_end_time)中有数据存在。
?
我们通过下图来说明 Watermark、EventTime 和 Window 的关系。
? ? ? 7.3.1 滚动窗口(TumblingEventTimeWindows)// 获取执行环境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
结果是按照 Event Time 的时间窗口计算得出的,而无关系统的时间(包括输入的快慢)。?
? ? 7.3.2 滑动窗口(SlidingEventTimeWindows)// 获取执行环境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) ? ? ? 7.3.3 会话窗口(EventTimeSessionWindows)
相邻两次数据的 EventTime 的时间差超过指定的时间间隔就会触发执行。如果
加入 Watermark,那么当触发执行时,所有满足时间间隔而还没有触发的 Window 会
同时触发执行。
// 获取执行环境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) ?
?
? ? 总结
Flink 是一个真正意义上的流计算引擎,在满足低延迟和低容错开销的基础之上,完美
的解决了 exactly-once 的目标,真是由于 Flink 具有诸多优点,越来越多的企业开始使用 Flink
作为流处理框架,逐步替换掉了原本的 Storm 和 Spark 技术框架。
(编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |
推荐文章
站长推荐
热点阅读