彻底搞清 Flink 中的 Window 机制

2021-11-04 15:58:36 浏览数 (1)

一、 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

二、Window的分类

2.1 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

2.2 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数据

注意:当size<slide的时候,如每隔15s统计最近10s的数据,那么中间5s

小结

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

三、WindowAPI

3.1 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

区别：

Window算子：是可以设置并行度的

WindowAll 算子：并行度始终为1

3.2 WindowAssigner

Windows Assigner的作用是指定窗口的类型，定义如何将数据流分配到一个或者多个窗口，API中通过window （WindowsAssigner assigner）指定。在Flink中支持两种类型的窗口，一种是基于时间的窗口（TimeWindow），另一种是基于数量的窗口（countWindow）。窗口所表现出的类型特性取决于window assigner的定义。

Flink底层Window模型仅有TimeWindow以及GlobalWindow。

Flink提供了很多各种场景用的WindowAssigner：

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

3.3 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。

3.4 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：

  • onEventTime() 当 event-time timer 被触发的时候会调用
  • onElement() 每次往 window 增加一个元素的时候都会触发
  • 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
  • PURGE 清空整个 window 的元素并销毁窗口

四、WindowAPI调用案例示例

4.1 基于时间的滚动和滑动窗口

测试数据

信号灯编号和通过该信号灯的车的数量 9,3 9,2 9,7 4,9 2,6 1,5 2,3 5,7 5,4

需求1:每5秒钟统计一次，最近5秒钟内，各个路口通过红绿灯汽车的数量--基于时间的滚动窗口

需求2:每5秒钟统计一次，最近10秒钟内，各个路口通过红绿灯汽车的数量--基于时间的滑动窗口

代码语言：javascript复制
package com.flink.source

import org.apache.flink.api.common.functions.MapFunction
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.assigners.{SlidingProcessingTimeWindows, TumblingProcessingTimeWindows}
import org.apache.flink.streaming.api.windowing.time.Time;

/**
 * @Package com.flink.source
 * @File ：WindowDemo_TimeWindow.java
 * @author 大数据老哥
 * @date 2021/10/26 10:50
 * @version V1.0
 */
object WindowDemo_TimeWindow {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment

    val socketData = env.socketTextStream("192.168.100.101", 9999)
    val socketMap = socketData.map(new MapFunction[String, CartInfo]() {
      override def map(t: String): CartInfo = {
        val arr = t.split(",")
        CartInfo(arr(0), arr(1).toInt)
      }
    })
    //需求1:每5秒钟统计一次，最近5秒钟内，各个路口通过红绿灯汽车的数量
    val result = socketMap.keyBy(_.sensorId).window(TumblingProcessingTimeWindows.of(Time.seconds(5))).sum("count")
    //需求2:每5秒钟统计一次，最近10秒钟内，各个路口通过红绿灯汽车的数量
    val result2 = socketMap.keyBy(_.sensorId).window(SlidingProcessingTimeWindows.of(Time.seconds(5), Time.seconds(10))).sum("count")
    result.print()
    result2.print()
    env.execute("winds")
  }

}

case class CartInfo(var sensorId: String, var count: Int)

4.2 基于数量的滚动和滑动窗口

测试数据

信号灯编号和通过该信号灯的车的数量 9,3 9,2 9,7 4,9 2,6 1,5 2,3 5,7 5,4

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

需求2: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

代码语言：javascript复制
package com.flink.source

import org.apache.flink.api.common.functions.MapFunction
import org.apache.flink.streaming.api.scala._

/**
 * @Package com.flink.source
 * @File ：WindosDemoo_CountWindos.java
 * @author 大数据老哥
 * @date 2021/10/26 14:04
 * @version V1.0
 */
object WindowDemo_CountWindow {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    val socketData = env.socketTextStream("192.168.100.101", 9999)
    val socketMap = socketData.map(new MapFunction[String, CartInfo] {
      override def map(t: String): CartInfo = {
        val arr = t.split(",")
        CartInfo(arr(0), arr(1).toInt)
      }
    })
     // 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
    val result = socketMap.keyBy(_.sensorId).countWindow(5L).sum("count")
     // 需求2: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
    val result2 = socketMap.keyBy(_.sensorId).countWindow(5L,3L).sum("count")
    result.print("result")
    result2.print("result2")
    env.execute()

  }
}
case class CartInfo(var sensorId: String, var count: Int)

4.3 会话窗口

测试数据

信号灯编号和通过该信号灯的车的数量 9,3 9,2 9,7 4,9 2,6 1,5 2,3 5,7 5,4

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

代码语言：javascript复制
package com.flink.source

import org.apache.flink.api.common.functions.MapFunction
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment
import org.apache.flink.streaming.api.windowing.assigners.ProcessingTimeSessionWindows
import org.apache.flink.streaming.api.windowing.time.Time

 
/**
 * @Package com.flink.source
 * @File ：WindowDemo_SessionWindow.java
 * @author 大数据老哥
 * @date 2021/11/1 16:10
 * @version V1.0
 */
object WindowDemo_SessionWindow {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment

    val socketData = env.socketTextStream("192.168.100.101", 9999)
    val socketMap: SingleOutputStreamOperator[CartInfo] = socketData.map(new MapFunction[String, CartInfo]() {
      override def map(t: String): CartInfo = {
        val arr = t.split(",")
        CartInfo(arr(0), arr(1).toInt)
      }
    })
    //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
    val result = socketMap.keyBy(0)
      .window(ProcessingTimeSessionWindows.withGap(Time.seconds(10)))
      .sum("count")
    result.print()
    env.execute("winds")
  }
}


case class CartInfo(var sensorId: String, var count: Int)
windows flink 大数据 api

0 人点赞