乐趣区

关于云计算:Flink处理函数实战之四窗口处理

作者：

jiezi

在

欢送拜访我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，波及Java、Docker、Kubernetes、DevOPS等；

Flink处理函数实战系列链接

  1. 深刻理解ProcessFunction的状态操作(Flink-1.10)；
  2. ProcessFunction；
  3. KeyedProcessFunction类；
  4. ProcessAllWindowFunction(窗口解决)；
  5. CoProcessFunction(双流解决)；

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干的处理函数：

    1. ProcessAllWindowFunction：解决每个窗口内的所有元素；
    1. ProcessWindowFunction：解决指定key的每个窗口内的所有元素；

    对于ProcessAllWindowFunction

    1. ProcessAllWindowFunction和《Flink处理函数实战之二：ProcessFunction类》中的ProcessFunction类类似，都是用来对上游过去的元素做解决，不过ProcessFunction是每个元素执行一次processElement办法，ProcessAllWindowFunction是每个窗口执行一次process办法（办法内能够遍历该窗口内的所有元素）；
    2. 用类图比照能够更形象的意识差异，下图左侧是ProcessFunction，右侧是ProcessAllWindowFunction：

    对于ProcessWindowFunction

    1. ProcessWindowFunction和KeyedProcessFunction相似，<font color=”red”>都是解决分区的数据</font>，不过KeyedProcessFunction是每个元素执行一次<font color=”blue”>processElement</font>办法，而ProcessWindowFunction是每个窗口执行一次<font color=”blue”>process</font>办法（办法内能够遍历该key以后窗口内的所有元素）；
    2. 用类图比照能够更形象的意识差异，下图左侧是KeyedProcessFunction，右侧是ProcessWindowFunction：

    1. 另外还一个差别：ProcessWindowFunction.process办法的入参就有分区的key值，而KeyedProcessFunction.processElement办法的入参没有这个参数，而是须要Context.getCurrentKey()能力取到分区的key值；

    注意事项

    窗口处理函数的process办法，以ProcessAllWindowFunction为例，如下图红框所示，其入参能够遍历以后窗口内的所有元素，这意味着以后窗口的所有元素都保留在堆内存中，所以<font color=”red”>请在设计阶段就严格控制窗口内元素的内存使用量</font>，防止耗尽TaskManager节点的堆内存：

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

    版本信息

    1. 开发环境操作系统：MacBook Pro 13寸， macOS Catalina 10.15.4
    2. 开发工具：IntelliJ IDEA 2019.3.2 (Ultimate Edition)
    3. JDK：1.8.0_121
    4. Maven：3.3.9
    5. 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/blo…：

    名称 链接 备注
    我的项目主页 https://github.com/zq2599/blo… 该我的项目在GitHub上的主页
    git仓库地址(https) https://github.com/zq2599/blo… 该我的项目源码的仓库地址，https协定
    git仓库地址(ssh) git@github.com:zq2599/blog_demos.git 该我的项目源码的仓库地址，ssh协定

    这个git我的项目中有多个文件夹，本章的利用在<font color=”blue”>flinkstudy</font>文件夹下，如下图红框所示：

    如何实战ProcessAllWindowFunction

    接下来通过以下形式验证ProcessAllWindowFunction性能：

    1. 每隔1秒收回一个Tuple2<String, Integer>对象，对象的f0字段在aaa和bbb之间变动，f1字段固定为1；
    2. 设置5秒的滚动窗口；
    3. 自定义ProcessAllWindowFunction扩大类，性能是统计每个窗口内元素的数量，将统计后果发给上游算子；
    4. 上游算子将统计后果打印进去；
    5. 核查收回的数据和统计信息，看是否统一；

    开始编码

    1. 持续应用《Flink处理函数实战之二：ProcessFunction类》一文中创立的工程flinkstudy；
    2. 新建ProcessAllWindowFunctionDemo类，如下：
    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();

        // 应用事件工夫
        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";

                    // 应用以后工夫作为工夫戳
                    long timeStamp = System.currentTimeMillis();

                    // 将数据和工夫戳打印进去，用来验证数据
                    System.out.println(String.format("source，%s, %s\n",
                            name,
                            time(timeStamp)));

                    // 发射一个元素，并且带上了工夫戳
                    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))
                // 统计以后窗口内的元素数量，而后把数量、窗口起止工夫整顿成字符串发送给上游算子
                .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能够拜访以后窗口内的所有数据，
                        // 这里简略解决，只统计了元素数量
                        for (Tuple2<String, Integer> tuple2 : iterable) {
                            count++;
                        }

                        // 将以后窗口的起止工夫和元素数量整顿成字符串
                        String value = String.format("window, %s - %s, %d\n",
                                // 以后窗口的起始工夫
                                time(context.window().getStart()),
                                // 以后窗口的完结工夫
                                time(context.window().getEnd()),
                                // 以后key在以后窗口内元素总数
                                count);

                        // 发射到上游算子
                        collector.collect(value);
                    }
                });

        // 打印后果，通过剖析打印信息，查看ProcessWindowFunction中能够解决所有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));
    }
}
    1. 对于ProcessAllWindowFunctionDemo，有几点须要留神：

    a. 滚动窗口设置用timeWindowAll办法；

    b. ProcessAllWindowFunction的匿名子类的process办法中，context.window().getStart()办法能够获得以后窗口的起始工夫，getEnd()办法能够获得以后窗口的完结工夫；

    1. 编码完结，执行ProcessAllWindowFunctionDemo类验证数据，如下图，查看其中一个窗口的元素详情和ProcessAllWindowFunction执行后果，可见合乎预期：

    1. ProcessAllWindowFunction曾经理解，接下来尝试ProcessWindowFunction；

    如何实战ProcessWindowFunction

    接下来通过以下形式验证ProcessWindowFunction性能：

    1. 每隔1秒收回一个Tuple2<String, Integer>对象，对象的f0字段在aaa和bbb之间变动，f1字段固定为1；
    2. 以f0字段为key进行分区；
    3. 分区后的数据进入5秒的滚动窗口；
    4. 自定义ProcessWindowFunction扩大类，性能之一是统计每个key在每个窗口内元素的数量，将统计后果发给上游算子；
    5. 性能之二是在更新以后key的元素总量，而后在状态后端(backend)保留，这是验证KeyedStream在处理函数中的状态读写能力；
    6. 上游算子将统计后果打印进去；
    7. 核查收回的数据和统计信息（每个窗口的和总共的别离核查），看是否统一；

    开始编码

    1. 新建ProcessWindowFunctionDemo.java：
    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();

        // 应用事件工夫
        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++;
                    }

                    // 应用以后工夫作为工夫戳
                    long timeStamp = System.currentTimeMillis();

                    // 将数据和工夫戳打印进去，用来验证数据
                    System.out.println(String.format("source，%s, %s,    aaa total : %d,    bbb total : %d\n",
                            name,
                            time(timeStamp),
                            aaaNum,
                            bbbNum));

                    // 发射一个元素，并且戴上了工夫戳
                    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以后窗口内的元素数量，而后把key、数量、窗口起止工夫整顿成字符串发送给上游算子
                .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获得以后单词的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能够拜访该key以后窗口内的所有数据，
                        // 这里简略解决，只统计了元素数量
                        for (Tuple2<String, Integer> tuple2 : iterable) {
                            count++;
                        }

                        // 更新以后key的元素总数
                        current.count += count;

                        // 更新状态到backend
                        state.update(current);

                        // 将以后key及其窗口的元素数量，还有窗口的起止工夫整顿成字符串
                        String value = String.format("window, %s, %s - %s, %d,    total : %d\n",
                                // 以后key
                                s,
                                // 以后窗口的起始工夫
                                time(context.window().getStart()),
                                // 以后窗口的完结工夫
                                time(context.window().getEnd()),
                                // 以后key在以后窗口内元素总数
                                count,
                                // 以后key呈现的总数
                                current.count);

                        // 发射到上游算子
                        collector.collect(value);
                    }
                });

        // 打印后果，通过剖析打印信息，查看ProcessWindowFunction中能够解决所有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;
    }

}
    1. 上述代码有几处须要关注：

    a. 动态类KeyCount.java，是用来保留每个key元素总数的数据结构；

    b. timeWindow办法设置了市场为5秒的滚动窗口；

    c. 每个Tuple2元素以f0为key进行分区；

    d. open办法对名为myState的自定义状态进行注册；

    e. process办法中，state.value()获得以后key的状态，tate.update(current)更新以后key的状态；

    1. 接下来运行ProcessWindowFunctionDemo类检查数据，如下图，process办法内，对窗口内元素的统计和数据源打印的统一，并且从backend获得的总数在累加后和数据源的统计信息也统一：


    至此，处理函数中窗口解决相干的实战曾经实现，如果您也在学习Flink的处理函数，心愿本文能给您一些参考；

    你不孤独，欣宸原创一路相伴

    1. Java系列
    2. Spring系列
    3. Docker系列
    4. kubernetes系列
    5. 数据库+中间件系列
    6. DevOps系列

    欢送关注公众号：程序员欣宸

    微信搜寻「程序员欣宸」，我是欣宸，期待与您一起畅游Java世界…
    https://github.com/zq2599/blog_demos

    评论

    发表回复

    您的邮箱地址不会被公开。 必填项已用 * 标注

    这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理。

    更多文章