一.背景
当我们统计用户点击的时候,有时候会因为各种情况数据延迟,我们需要一个允许最大的延迟范围进行统计。这里的延迟统计分为两种:
模拟初始数据:早上10:10:00 用户点击了一次,但是延迟到10:10:05 才发送过来,允许最大延迟5秒, 5秒窗口统计。我们希望还是能统计到
二.基本代码
@Data public class UserTimeInfo implements Serializable { private String userId; /** 实际时间-偏移量 偏移后的时间*/ private Timestamp pTime; public UserTimeInfo() { } public UserTimeInfo(String userId, Timestamp pTime) { this.userId = userId; this.pTime = pTime; } }
public class UserTimeSource implements SourceFunction<UserTimeInfo> { /** * 为了id 统计方便,我们只留一个id */ static String[] userIds = {"id->"}; Random random = new Random(); /** * 模拟发送20次 */ int times = 20; @Override public void run(SourceContext sc) throws Exception { while (true) { TimeUnit.SECONDS.sleep(1); int m = (int) (System.currentTimeMillis() % userIds.length); // 随机延迟几秒 int defTime = random.nextInt(5); // 发送时间 DateTime dateTime = new DateTime(); // 计算延迟后的时间,并且打印时间 DateTime dateTimePrint = dateTime.plusSeconds(-defTime); System.out.println("实际时间:" + print(dateTime) + ",延迟:" + defTime + ":-->" + print(dateTimePrint)); // 发送延迟时间 dateTime = dateTime.plusSeconds(-defTime); sc.collect(new UserTimeInfo(userIds[m], new Timestamp(dateTime.getMillis()))); // 只持续固定时间方便观察 if (--times == 0) { break; } } } @Override public void cancel() { System.out.println("cancel to do ..."); } private static String print(DateTime dateTime) { return dateTime.toString("yyyy-MM-dd hh:mm:ss"); } }
三.定义我们的两种watermark
a. 基于系统时间
/** * 这里逻辑,模拟按系统时间进行统计 * 所有数据和系统自身时间有关 */ public class UserTimeWaterMarkBySystem implements AssignerWithPeriodicWatermarks<UserTimeInfo> { /** * 默认允许 5秒延迟 */ long maxDelayTime = 5000; /** * 该时间由于基于系统时间来做, * 如果10:00 11:10 秒用户点击的数据,然后延迟,实际收到的时间是10.00 11:15 * a.根据系统时间 想减,小于5秒就会统计到 * b.注意,如果程序挂了,12点重启消费这个数据,就统计不到了 * @return */ @Nullable @Override public Watermark getCurrentWatermark() { return new Watermark(System.currentTimeMillis() - maxDelayTime); } @Override public long extractTimestamp(UserTimeInfo element, long previousElementTimestamp) { long timestamp = element.getPTime().getTime(); return timestamp; } }
b.根据数据自生时间进行做延迟判断
public class UserTimeWaterMarkByRowTime implements AssignerWithPeriodicWatermarks<UserTimeInfo> { /** * 默认允许 5秒延迟 */ long maxDelayTime = 5000; /** * 该时间由于基于数据时间来做, * 如果10:00 11:10 秒用户点击的数据,然后延迟,实际收到的时间是10.00 11:15 * a.根据系统时间 想减,小于5秒就会统计到 * b.只要消息 时间延迟小于5 就能被统计。 * 这种对点击事件来说,更符合要求 * @return */ private long currentMaxTimestamp; @Nullable @Override public Watermark getCurrentWatermark() { return new Watermark(currentMaxTimestamp - maxDelayTime); } @Override public long extractTimestamp(UserTimeInfo element, long previousElementTimestamp) { long timestamp = element.getPTime().getTime(); currentMaxTimestamp = Math.max(timestamp, currentMaxTimestamp); return timestamp; } }
四.source 类,和以前一样
public class UserTimeWaterMarkApp { public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(1); env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); DataStream<UserTimeInfo> userInfoDataStream = env.addSource(new UserTimeSource()); // UserTimeWaterMarkByRowTime 这个时间可以替换 DataStream<UserTimeInfo> timedData = userInfoDataStream.assignTimestampsAndWatermarks(new UserTimeWaterMarkByRowTime()); StreamTableEnvironment tableEnv = TableEnvironment.getTableEnvironment(env); tableEnv.registerDataStream("test", timedData, "userId,pTime.rowtime"); Table result = tableEnv.sqlQuery("SELECT userId,TUMBLE_END(pTime, INTERVAL '5' SECOND) as pTime,count(1) as cnt FROM test" + " GROUP BY TUMBLE(pTime, INTERVAL '5' SECOND),userId "); // deal with (Tuple2<Boolean, Row> value) -> out.collect(row) SingleOutputStreamOperator allClick = tableEnv.toRetractStream(result, Row.class) .flatMap((Tuple2<Boolean, Row> value, Collector<Row> out) -> { out.collect(value.f1); }).returns(Row.class); // add sink or print allClick.print(); env.execute("test"); } }
public class UserTimeWaterMarkApp { public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(1); env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); DataStream<UserTimeInfo> userInfoDataStream = env.addSource(new UserTimeSource()); DataStream<UserTimeInfo> timedData = userInfoDataStream.assignTimestampsAndWatermarks(new UserTimeWaterMarkByRowTime()); StreamTableEnvironment tableEnv = TableEnvironment.getTableEnvironment(env); tableEnv.registerDataStream("test", timedData, "userId,pTime.rowtime"); Table result = tableEnv.sqlQuery("SELECT userId,TUMBLE_END(pTime, INTERVAL '5' SECOND) as pTime,count(1) as cnt FROM test" + " GROUP BY TUMBLE(pTime, INTERVAL '5' SECOND),userId "); // deal with (Tuple2<Boolean, Row> value) -> out.collect(row) SingleOutputStreamOperator allClick = tableEnv.toRetractStream(result, Row.class) .flatMap((Tuple2<Boolean, Row> value, Collector<Row> out) -> { out.collect(value.f1); }).returns(Row.class); // add sink or print allClick.print(); env.execute("test"); }
小结:
1.这个是基于flink 1.7 跑的
2.代码比较简单,也好理解,有问题直接私信我
相关推荐
WATERMARK FOR proctime AS proctime - INTERVAL '5' SECOND ) WITH ( 'connector' = 'kafka', 'topic' = 'your-topic', 'properties.bootstrap.servers' = 'localhost:9092', 'format' = 'json' ); CREATE ...
此外,Flink引入了水印(Watermark)机制,用于处理乱序事件,确保处理时间接近于事件时间,提高了实时处理的准确性。 3. **状态管理**:Flink 强大的状态管理能力在1.3.0版本中得到进一步强化,提供了更可靠的...
书中会详细介绍如何配置和使用Flink的事件时间机制,以及如何设置水印(Watermark)来处理延迟到达的数据。 Flink的DataStream API是用于处理无界和有界数据流的主要接口。书中有详细的章节讲解如何使用这些API构建...
3. Time:Flink的时间处理机制是另一个关键特性,它支持事件时间(EventTime)处理,通过Watermark机制解决了数据乱序和迟到问题。事件时间允许系统根据事件发生的实际时间进行计算,而不是处理时间,增强了处理实时...
本课程以FlinkSQL流批一体技术为主线,全面讲解Flink Table编程、SQL编程、Time与WaterMark、Window操作、函数使用、元数据管理,最后以一个完整的实战项目为例,详细讲解FlinkSQL的流式项目开发。学完本课程,希望...
文章会对Flink中基本API如:DataSet、DataStream、Table、Sql和常用特性如:Time&Window、窗口函数、Watermark、触发器、分布式缓存、异步IO、侧输出、广播和高级应用如:ProcessFunction、状态管理等知识点进行整理...
Flink 多并行数据源下的 WaterMark 触发机制 Flink 是一个基于事件时间的流处理引擎,它可以处理大规模数据流。然而,在处理多并行数据源时,Flink 需要一种机制来触发 watermark,以便正确地处理事件时间。这篇...
使用WaterMark技术实现了窗口计算中延迟数据的处理,同时对流式计算的窗口时间定义分类:处理时间,摄取时间,事件时间本人觉得flink的这些特性一定程序上可以窥探出大数据的未来方向,所以花了些时间来阅读源码,先...
内容包含(Flink简介-Flink编程模型-重要概念-Task划分-共享资源槽-Flink的时间-Flink的Window-Flink的WaterMark-重启策略)等内容
7.Flink watermark与侧道输出 8.Flink状态计算 9.Flink容错checkpoint与一致性语义 10.Flink进阶 异步IO,背压,内存管理 11.Flink Table API与SQL 课程目录介绍 第一章 Flink简介 01.Flink的引入 02.什么是Flink 03...
Thirdly, watermark needs to be supported too. 但是,如果不更改源代码,它看起来并不容易。 我想写我自己的redis-sink。 当您查看此项目时,有一些技巧需要记住: 该项目仅支持REDIS CLUSTER模式。 该项目使用...
为了更好地处理无序数据,Flink增强了对事件时间的支持,包括更加灵活的水位线(watermark)机制。 #### 3. 历史表功能 历史表功能允许用户查询过去某个时间点的数据状态,这对于需要跟踪历史变化的应用场景非常...
- **Time Semantics & Watermark**:Flink的时间语义确保正确处理乱序事件,Watermark机制用来处理延迟事件,保证处理时间与事件时间的一致性。 **ProcessFunction API(底层API)** ProcessFunction允许用户...
当Flink接收到数据时,会根据数据中的最大Event Time生成Watermark,一旦Watermark超过了窗口的结束时间,那么窗口就会被触发并进行计算。 例如,假设我们有两个窗口,一个是从1s到5s,另一个是从6s到10s。当时间戳...
Flink通过Event Time和Watermark机制实现了时间窗口的概念,确保了处理无界数据流时的精确一次语义。 二、Flink使用 Flink的使用通常包括环境搭建、作业提交和监控。你可以使用Java或Scala API编写Flink程序,也...
flink全站式内容纲要,针对于flink的内容,学习思路,Flink保证ExactlyOnce,Flink的WaterMark,Flink侧流输出 等
Flink 可以通过 watermark 机制来处理迟到数据。watermark 机制可以将迟到数据与正常数据区分开,以确保数据处理的正确性和一致性。 19. Flink 中 window 出现数据倾斜怎么解决 可以通过调整窗口大小、调整并行度...
- **Flink Time Watermark(水印)**: 用来追踪事件时间。 - **Allowed Lateness**: 允许迟到的数据。 #### 十一、Flink关联维表实战 **11.1 TableAPI和FlinkSQL** - **开发环境构建**: 构建支持 TableAPI 和 Flink...
3. **事件时间和处理延迟**:理解Flink中的事件时间处理机制,它是如何确保数据的正确处理顺序,以及如何通过水印(Watermark)来处理乱序事件。 4. **大数据在交通监控中的应用**:研究如何利用大数据技术分析交通...