您好,登錄后才能下訂單哦!
這篇文章主要介紹Flink的窗口操作有哪些,文中介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們一定要看完!
我們經(jīng)常需要在一個時間窗口維度上對數(shù)據(jù)進(jìn)行聚合,窗口是流處理應(yīng)用中經(jīng)常需要解決的問題。Flink的窗口算子為我們提供了方便易用的API,我們可以將數(shù)據(jù)流切分成一個個窗口,對窗口內(nèi)的數(shù)據(jù)進(jìn)行處理。
對于窗口的操作主要分為兩種,分別對于Keyedstream和Datastream。他們的主要區(qū)別也僅僅在于建立窗口的時候一個為.window(…),一個為.windowAll(…)。對于Keyedstream的窗口來說,他可以使得多任務(wù)并行計算,每一個logical key stream將會被獨立的進(jìn)行處理。
stream .keyBy(...) "assigner" [.trigger(...)] "trigger" (else default trigger) [.evictor(...)] "evictor" (else no evictor) [.allowedLateness(...)] "lateness" (else zero) [.sideOutputLateData(...)] "output tag" (else no side output for late data) .reduce/aggregate/fold/apply() "function" [.getSideOutput(...)] "output tag"
按照窗口的Assigner來分,窗口可以分為
Tumbling window, sliding window,session window,global window,custom window
每種窗口又可分別基于processing time和event time,這樣的話,窗口的類型嚴(yán)格來說就有很多。
還有一種window叫做count window,依據(jù)元素到達(dá)的數(shù)量進(jìn)行分配,之后也會提到。
窗口的生命周期開始在第一個屬于這個窗口的元素到達(dá)的時候,結(jié)束于第一個不屬于這個窗口的元素到達(dá)的時候。
固定相同間隔分配窗口,每個窗口之間沒有重疊看圖一眼明白。
下面的例子定義了每隔3毫秒一個窗口的流:
WindowedStream Rates = rates .keyBy(MovieRate::getUserId) .window(TumblingEventTimeWindows.of(Time.milliseconds(3)));
跟上面一樣,固定相同間隔分配窗口,只不過每個窗口之間有重疊。窗口重疊的部分如果比窗口小,窗口將會有多個重疊,即一個元素可能被分配到多個窗口里去。
下面的例子給出窗口大小為10毫秒,重疊為5毫秒的流:
WindowedStream Rates = rates .keyBy(MovieRate::getUserId) .window(SlidingEventTimeWindows.of(Time.milliseconds(10), Time.milliseconds(5)));
這種窗口主要是根據(jù)活動的事件進(jìn)行窗口化,他們通常不重疊,也沒有一個固定的開始和結(jié)束時間。一個session window關(guān)閉通常是由于一段時間沒有收到元素。在這種用戶交互事件流中,我們首先想到的是將事件聚合到會話窗口中(一段用戶持續(xù)活躍的周期),由非活躍的間隙分隔開。
// 靜態(tài)間隔時間 WindowedStream Rates = rates .keyBy(MovieRate::getUserId) .window(EventTimeSessionWindows.withGap(Time.milliseconds(10))); // 動態(tài)時間 WindowedStream Rates = rates .keyBy(MovieRate::getUserId) .window(EventTimeSessionWindows.withDynamicGap(()));
將所有相同keyed的元素分配到一個窗口里。好吧,就這樣:
WindowedStream Rates = rates .keyBy(MovieRate::getUserId) .window(GlobalWindows.create());
窗口函數(shù)就是這四個:ReduceFunction,AggregateFunction,F(xiàn)oldFunction,ProcessWindowFunction。前兩個執(zhí)行得更有效,因為Flink可以增量地聚合每個到達(dá)窗口的元素。
Flink必須在調(diào)用函數(shù)之前在內(nèi)部緩沖窗口中的所有元素,所以使用ProcessWindowFunction進(jìn)行操作效率不高。不過ProcessWindowFunction可以跟其他的窗口函數(shù)結(jié)合使用,其他函數(shù)接受增量信息,ProcessWindowFunction接受窗口的元數(shù)據(jù)。
舉一個AggregateFunction的例子吧,下面代碼為MovieRate按user分組,且分配5毫秒的Tumbling窗口,返回每個user在窗口內(nèi)評分的所有分?jǐn)?shù)的平均值。
DataStream> Rates = rates .keyBy(MovieRate::getUserId) .window(TumblingEventTimeWindows.of(Time.milliseconds(5))) .aggregate(new AggregateFunction>() { @Override public AverageAccumulator createAccumulator() { return new AverageAccumulator(); } @Override public AverageAccumulator add(MovieRate movieRate, AverageAccumulator acc) { acc.userId = movieRate.userId; acc.sum += movieRate.rate; acc.count++; return acc; } @Override public Tuple2 getResult(AverageAccumulator acc) { return Tuple2.of(acc.userId, acc.sum/(double)acc.count); } @Override public AverageAccumulator merge(AverageAccumulator acc0, AverageAccumulator acc1) { acc0.count += acc1.count; acc0.sum += acc1.sum; return acc0; } }); public static class AverageAccumulator{ int userId; int count; double sum; }
以下是部分輸出:
... 1> (44,3.0) 4> (96,0.5) 2> (51,0.5) 3> (90,2.75) ...
看上面的代碼,會發(fā)現(xiàn)add()函數(shù)特別生硬,因為我們想返回Tuple2
DataStream> Rates = rates .keyBy(MovieRate::getUserId) .window(TumblingEventTimeWindows.of(Time.milliseconds(5))) .aggregate(new MyAggregateFunction(), new MyProcessWindowFunction()); public static class MyAggregateFunction implements AggregateFunction { @Override public AverageAccumulator createAccumulator() { return new AverageAccumulator(); } @Override public AverageAccumulator add(MovieRate movieRate, AverageAccumulator acc) { acc.sum += movieRate.rate; acc.count++; return acc; } @Override public Double getResult(AverageAccumulator acc) { return acc.sum/(double)acc.count; } @Override public AverageAccumulator merge(AverageAccumulator acc0, AverageAccumulator acc1) { acc0.count += acc1.count; acc0.sum += acc1.sum; return acc0; } } public static class MyProcessWindowFunction extends ProcessWindowFunction, Integer, TimeWindow> { @Override public void process(Integer key, Context context, Iterable results, Collector> out) throws Exception { Double result = results.iterator().next(); out.collect(new Tuple2(key, result)); } } public static class AverageAccumulator{ int count; double sum; }
可以得到,結(jié)果與上面一樣,但代碼好看了很多。
觸發(fā)器定義了窗口何時準(zhǔn)備好被窗口處理。每個窗口分配器默認(rèn)都有一個觸發(fā)器,如果默認(rèn)的觸發(fā)器不符合你的要求,就可以使用trigger(…)自定義觸發(fā)器。
通常來說,默認(rèn)的觸發(fā)器適用于多種場景。例如,多有的event-time窗口分配器都有一個EventTimeTrigger作為默認(rèn)觸發(fā)器。該觸發(fā)器在watermark通過窗口末尾時出發(fā)。
PS:GlobalWindow默認(rèn)的觸發(fā)器時NeverTrigger,該觸發(fā)器從不出發(fā),所以在使用GlobalWindow時必須自定義觸發(fā)器。
Evictors可以在觸發(fā)器觸發(fā)之后以及窗口函數(shù)被應(yīng)用之前和/或之后可選擇的移除元素。使用Evictor可以防止預(yù)聚合,因為窗口的所有元素都必須在應(yīng)用計算邏輯之前先傳給Evictor進(jìn)行處理
當(dāng)使用event-time窗口時,元素可能會晚到,例如Flink用于跟蹤event-time進(jìn)度的watermark已經(jīng)超過了窗口的結(jié)束時間戳。
默認(rèn)來說,當(dāng)watermark超過窗口的末尾時,晚到的元素會被丟棄。但是flink也允許為窗口operator指定最大的allowed lateness,以至于可以容忍在徹底刪除元素之前依然接收晚到的元素,其默認(rèn)值是0。
為了支持該功能,F(xiàn)link會保持窗口的狀態(tài),知道allowed lateness到期。一旦到期,flink會刪除窗口并刪除其狀態(tài)。
把晚到的元素當(dāng)作side output。
SingleOutputStreamOperator result = input .keyBy() .window() .allowedLateness() .sideOutputLateData(lateOutputTag) .(function>);
以上是“Flink的窗口操作有哪些”這篇文章的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對大家有幫助,更多相關(guān)知識,歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。