Flink处理函数实战之四：窗口处理

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

Flink处理函数实战系列链接

深入了解ProcessFunction的状态操作(Flink-1.10)；
ProcessFunction；
KeyedProcessFunction类；
ProcessAllWindowFunction(窗口处理)；
CoProcessFunction(双流处理)；

本篇概览

本文是《Flink处理函数实战》系列的第四篇，内容是学习以下两个窗口相关的处理函数：

ProcessAllWindowFunction：处理每个窗口内的所有元素；
ProcessWindowFunction：处理指定key的每个窗口内的所有元素；

关于ProcessAllWindowFunction

ProcessAllWindowFunction和《Flink处理函数实战之二：ProcessFunction类》中的ProcessFunction类相似，都是用来对上游过来的元素做处理，不过ProcessFunction是每个元素执行一次processElement方法，ProcessAllWindowFunction是每个窗口执行一次process方法（方法内可以遍历该窗口内的所有元素）；
用类图对比可以更形象的认识差别，下图左侧是ProcessFunction，右侧是ProcessAllWindowFunction：

关于ProcessWindowFunction

ProcessWindowFunction和KeyedProcessFunction类似，都是处理分区的数据，不过KeyedProcessFunction是每个元素执行一次processElement方法，而ProcessWindowFunction是每个窗口执行一次process方法（方法内可以遍历该key当前窗口内的所有元素）；
用类图对比可以更形象的认识差别，下图左侧是KeyedProcessFunction，右侧是ProcessWindowFunction：

另外还一个差异：ProcessWindowFunction.process方法的入参就有分区的key值，而KeyedProcessFunction.processElement方法的入参没有这个参数，而是需要Context.getCurrentKey()才能取到分区的key值；

注意事项

窗口处理函数的process方法，以ProcessAllWindowFunction为例，如下图红框所示，其入参可以遍历当前窗口内的所有元素，这意味着当前窗口的所有元素都保存在堆内存中，所以请在设计阶段就严格控制窗口内元素的内存使用量，避免耗尽TaskManager节点的堆内存：

接下来通过实战学习ProcessAllWindowFunction和ProcessWindowFunction；

版本信息

开发环境操作系统：MacBook Pro 13寸， macOS Catalina 10.15.4
开发工具：IntelliJ IDEA 2019.3.2 (Ultimate Edition)
JDK：1.8.0_121
Maven：3.3.9
Flink：1.9.2

源码下载

如果您不想写代码，整个系列的源码可在GitHub下载到，地址和链接信息如下表所示(https://github.com/zq2599/blog_demos)：

名称	链接	备注
项目主页	https://github.com/zq2599/blog_demos	该项目在GitHub上的主页
git仓库地址(https)	https://github.com/zq2599/blog_demos.git	该项目源码的仓库地址，https协议
git仓库地址(ssh)	git@github.com:zq2599/blog_demos.git	该项目源码的仓库地址，ssh协议

这个git项目中有多个文件夹，本章的应用在<font color="blue">flinkstudy</font>文件夹下，如下图红框所示：

如何实战ProcessAllWindowFunction

接下来通过以下方式验证ProcessAllWindowFunction功能：

每隔1秒发出一个Tuple2<String, Integer>对象，对象的f0字段在aaa和bbb之间变化，f1字段固定为1；
设置5秒的滚动窗口；
自定义ProcessAllWindowFunction扩展类，功能是统计每个窗口内元素的数量，将统计结果发给下游算子；
下游算子将统计结果打印出来；
核对发出的数据和统计信息，看是否一致；

开始编码

继续使用《Flink处理函数实战之二：ProcessFunction类》一文中创建的工程flinkstudy；
新建ProcessAllWindowFunctionDemo类，如下：

代码语言：txt复制

package com.bolingcavalry.processwindowfunction;



import org.apache.flink.api.java.tuple.Tuple2;

import org.apache.flink.streaming.api.TimeCharacteristic;

import org.apache.flink.streaming.api.datastream.DataStream;

import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

import org.apache.flink.streaming.api.functions.source.SourceFunction;

import org.apache.flink.streaming.api.functions.windowing.ProcessAllWindowFunction;

import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;

import org.apache.flink.streaming.api.windowing.time.Time;

import org.apache.flink.streaming.api.windowing.windows.TimeWindow;

import org.apache.flink.util.Collector;

import java.text.SimpleDateFormat;

import java.util.Date;



public class ProcessAllWindowFunctionDemo {

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

        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();



        // 使用事件时间

        env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);



        // 并行度为1

        env.setParallelism(1);



        // 设置数据源，一共三个元素

        DataStream<Tuple2<String,Integer>> dataStream = env.addSource(new SourceFunction<Tuple2<String, Integer>>() {

            @Override

            public void run(SourceContext<Tuple2<String, Integer>> ctx) throws Exception {

                for(int i=1; i<Integer.MAX_VALUE; i  ) {

                    // 只有aaa和bbb两种name

                    String name = 0==i%2 ? "aaa" : "bbb";



                    // 使用当前时间作为时间戳

                    long timeStamp = System.currentTimeMillis();



                    // 将数据和时间戳打印出来，用来验证数据

                    System.out.println(String.format("source，%s, %sn",

                            name,

                            time(timeStamp)));



                    // 发射一个元素，并且带上了时间戳

                    ctx.collectWithTimestamp(new Tuple2<String, Integer>(name, 1), timeStamp);



                    // 每发射一次就延时1秒

                    Thread.sleep(1000);

                }

            }



            @Override

            public void cancel() {



            }

        });



        // 将数据用5秒的滚动窗口做划分，再用ProcessAllWindowFunction

        SingleOutputStreamOperator<String> mainDataStream = dataStream

                // 5秒一次的滚动窗口

                .timeWindowAll(Time.seconds(5))

                // 统计当前窗口内的元素数量，然后把数量、窗口起止时间整理成字符串发送给下游算子

                .process(new ProcessAllWindowFunction<Tuple2<String, Integer>, String, TimeWindow>() {

                    @Override

                    public void process(Context context, Iterable<Tuple2<String, Integer>> iterable, Collector<String> collector) throws Exception {

                        int count = 0;



                        // iterable可以访问当前窗口内的所有数据，

                        // 这里简单处理，只统计了元素数量

                        for (Tuple2<String, Integer> tuple2 : iterable) {

                            count  ;

                        }



                        // 将当前窗口的起止时间和元素数量整理成字符串

                        String value = String.format("window, %s - %s, %dn",

                                // 当前窗口的起始时间

                                time(context.window().getStart()),

                                // 当前窗口的结束时间

                                time(context.window().getEnd()),

                                // 当前key在当前窗口内元素总数

                                count);



                        // 发射到下游算子

                        collector.collect(value);

                    }

                });



        // 打印结果，通过分析打印信息，检查ProcessWindowFunction中可以处理所有key的整个窗口的数据

        mainDataStream.print();



        env.execute("processfunction demo : processallwindowfunction");

    }



    public static String time(long timeStamp) {

        return new SimpleDateFormat("hh:mm:ss").format(new Date(timeStamp));

    }

}

关于ProcessAllWindowFunctionDemo，有几点需要注意：

a. 滚动窗口设置用timeWindowAll方法；

b. ProcessAllWindowFunction的匿名子类的process方法中，context.window().getStart()方法可以取得当前窗口的起始时间，getEnd()方法可以取得当前窗口的结束时间；

编码结束，执行ProcessAllWindowFunctionDemo类验证数据，如下图，检查其中一个窗口的元素详情和ProcessAllWindowFunction执行结果，可见符合预期：

ProcessAllWindowFunction已经了解，接下来尝试ProcessWindowFunction；

如何实战ProcessWindowFunction

接下来通过以下方式验证ProcessWindowFunction功能：

每隔1秒发出一个Tuple2<String, Integer>对象，对象的f0字段在aaa和bbb之间变化，f1字段固定为1；
以f0字段为key进行分区；
分区后的数据进入5秒的滚动窗口；
自定义ProcessWindowFunction扩展类，功能之一是统计每个key在每个窗口内元素的数量，将统计结果发给下游算子；
功能之二是在更新当前key的元素总量，然后在状态后端(backend)保存，这是验证KeyedStream在处理函数中的状态读写能力；
下游算子将统计结果打印出来；
核对发出的数据和统计信息（每个窗口的和总共的分别核对），看是否一致；

开始编码

新建ProcessWindowFunctionDemo.java：

代码语言：txt复制

package com.bolingcavalry.processwindowfunction;





import org.apache.flink.api.common.state.ValueState;

import org.apache.flink.api.common.state.ValueStateDescriptor;

import org.apache.flink.api.java.tuple.Tuple2;

import org.apache.flink.configuration.Configuration;

import org.apache.flink.streaming.api.TimeCharacteristic;

import org.apache.flink.streaming.api.datastream.DataStream;

import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

import org.apache.flink.streaming.api.functions.source.SourceFunction;

import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;

import org.apache.flink.streaming.api.windowing.time.Time;

import org.apache.flink.streaming.api.windowing.windows.TimeWindow;

import org.apache.flink.util.Collector;

import java.text.SimpleDateFormat;

import java.util.Date;



public class ProcessWindowFunctionDemo {

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

        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();



        // 使用事件时间

        env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);



        // 并行度为1

        env.setParallelism(1);



        // 设置数据源，一共三个元素

        DataStream<Tuple2<String,Integer>> dataStream = env.addSource(new SourceFunction<Tuple2<String, Integer>>() {

            @Override

            public void run(SourceContext<Tuple2<String, Integer>> ctx) throws Exception {

                int aaaNum = 0;

                int bbbNum = 0;



                for(int i=1; i<Integer.MAX_VALUE; i  ) {

                    // 只有aaa和bbb两种name

                    String name = 0==i%2 ? "aaa" : "bbb";



                    //更新aaa和bbb元素的总数

                    if(0==i%2) {

                        aaaNum  ;

                    } else {

                        bbbNum  ;

                    }



                    // 使用当前时间作为时间戳

                    long timeStamp = System.currentTimeMillis();



                    // 将数据和时间戳打印出来，用来验证数据

                    System.out.println(String.format("source，%s, %s,    aaa total : %d,    bbb total : %dn",

                            name,

                            time(timeStamp),

                            aaaNum,

                            bbbNum));



                    // 发射一个元素，并且戴上了时间戳

                    ctx.collectWithTimestamp(new Tuple2<String, Integer>(name, 1), timeStamp);



                    // 每发射一次就延时1秒

                    Thread.sleep(1000);

                }

            }



            @Override

            public void cancel() {



            }

        });



        // 将数据用5秒的滚动窗口做划分，再用ProcessWindowFunction

        SingleOutputStreamOperator<String> mainDataStream = dataStream

                // 以Tuple2的f0字段作为key，本例中实际上key只有aaa和bbb两种

                .keyBy(value -> value.f0)

                // 5秒一次的滚动窗口

                .timeWindow(Time.seconds(5))

                // 统计每个key当前窗口内的元素数量，然后把key、数量、窗口起止时间整理成字符串发送给下游算子

                .process(new ProcessWindowFunction<Tuple2<String, Integer>, String, String, TimeWindow>() {



                    // 自定义状态

                    private ValueState<KeyCount> state;



                    @Override

                    public void open(Configuration parameters) throws Exception {

                        // 初始化状态，name是myState

                        state = getRuntimeContext().getState(new ValueStateDescriptor<>("myState", KeyCount.class));

                    }



                    @Override

                    public void process(String s, Context context, Iterable<Tuple2<String, Integer>> iterable, Collector<String> collector) throws Exception {



                        // 从backend取得当前单词的myState状态

                        KeyCount current = state.value();



                        // 如果myState还从未没有赋值过，就在此初始化

                        if (current == null) {

                            current = new KeyCount();

                            current.key = s;

                            current.count = 0;

                        }



                        int count = 0;



                        // iterable可以访问该key当前窗口内的所有数据，

                        // 这里简单处理，只统计了元素数量

                        for (Tuple2<String, Integer> tuple2 : iterable) {

                            count  ;

                        }



                        // 更新当前key的元素总数

                        current.count  = count;



                        // 更新状态到backend

                        state.update(current);



                        // 将当前key及其窗口的元素数量，还有窗口的起止时间整理成字符串

                        String value = String.format("window, %s, %s - %s, %d,    total : %dn",

                                // 当前key

                                s,

                                // 当前窗口的起始时间

                                time(context.window().getStart()),

                                // 当前窗口的结束时间

                                time(context.window().getEnd()),

                                // 当前key在当前窗口内元素总数

                                count,

                                // 当前key出现的总数

                                current.count);



                        // 发射到下游算子

                        collector.collect(value);

                    }

                });



        // 打印结果，通过分析打印信息，检查ProcessWindowFunction中可以处理所有key的整个窗口的数据

        mainDataStream.print();



        env.execute("processfunction demo : processwindowfunction");

    }



    public static String time(long timeStamp) {

        return new SimpleDateFormat("hh:mm:ss").format(new Date(timeStamp));

    }



    static class KeyCount {

        /**

         * 分区key

         */

        public String key;



        /**

         * 元素总数

         */

        public long count;

    }



}

上述代码有几处需要关注：

a. 静态类KeyCount.java，是用来保存每个key元素总数的数据结构；

b. timeWindow方法设置了市场为5秒的滚动窗口；

c. 每个Tuple2元素以f0为key进行分区；

d. open方法对名为myState的自定义状态进行注册；

e. process方法中，state.value()取得当前key的状态，tate.update(current)更新当前key的状态；

接下来运行ProcessWindowFunctionDemo类检查数据，如下图，process方法内，对窗口内元素的统计和数据源打印的一致，并且从backend取得的总数在累加后和数据源的统计信息也一致：

至此，处理函数中窗口处理相关的实战已经完成，如果您也在学习Flink的处理函数，希望本文能给您一些参考；

你不孤单，欣宸原创一路相伴

Java系列
Spring系列
Docker系列
kubernetes系列
数据库中间件系列
DevOps系列

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...

flink 大数据

0 人点赞