关于java:聊聊flink水位线

1、概述

flink中比拟重要的是工夫和状态，学习flink的过程中对水位线的了解始终含糊，通过一段时间的消化，在此总结总结。本文次要把水位线是什么，怎么来的，有什么用形容分明。

2、不太好了解的水位线

有些人喜爱把水位线叫成水印，不论是水印还是水位线，中文翻译过去一点都不贴切咱们的生存，比拟形象，让人难得了解。在咱们生存中水位线相似家中挂在墙上的一个挂钟，相似咱们的手表。上面来聊聊如下的话题：
1，到底是如何产生。
2，既然是一个挂钟，钟表有哪些特点呢，钟表每隔1s秒针往前走一小步，工夫是不是越来越大，这些特点水位线是不是也有呢。
3，挂钟有什么用途啊？早晨看看手表发现12点，咱们必定自我暗示：”应该睡觉了”，通过工夫让咱们晓得什么工夫该干什么事件。

3、什么叫水位线

3.1、水位线的定义
水位线就是一个逻辑时钟，为什么叫逻辑时钟？失常工夫是有cpu产生的，周期而固定的往前走，然而咱们这个时钟的工夫是程序员计算出来，依据”事件工夫”动静计算出来(至于什么是工夫事件，有什么应用场景这里就不讲了)，如某一时刻计算的后果为x，x值为2022-10-10 10:10:10对应的工夫戳为1665367810000，x的值随着事件工夫的变大而变大，可能的后果为x，x+1，x+2，x+3，x+4 … 间断的越来越大的工夫戳是不是相似钟表每隔1s往前走一步呢。
3.2、水位线（逻辑时钟）的组成
水位线由一串间断的工夫戳组成，越来越大，每个工夫戳都是依据事件工夫动静计算出来的。时钟也是由一间断的工夫组成，也是越来越大，如2022-10-10 10:10:10，2022-10-10 10:10:11，2022-10-10 10:10:12，2022-10-10 10:10:13 。。。等，水位线就是相似生存中的时钟，所以我把这个水位线称为逻辑时钟，逻辑时钟就是水位线，水印机制。
3.3、逻辑时钟以后工夫
相似时钟的以后工夫，此处此刻为几点几分几秒，这个以后工夫比拟重要，窗口的闭合，定时工作的触发都是依据以后工夫来判断的。
以后值特点：越来越大，流刚刚产生的时候插入负无穷大值，完结是插入正无穷大的值。

集体感觉这个以后值相似一个指针类型的变量，他的指向是不停的变动的（集体了解）。

3.4、以后工夫的计算公式
时钟的”以后工夫”对应一个具体的工夫戳。时钟的以后值xxx = 事件工夫 – 最大延迟时间 – 1毫秒。
3.5、来一个案例
案例形容：从socket读取数据，并打印以后水位的具体值。

package com.deepexi.sql;



import org.apache.flink.api.common.eventtime.SerializableTimestampAssigner;

import org.apache.flink.api.common.eventtime.WatermarkStrategy;

import org.apache.flink.api.common.typeinfo.Types;

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

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

import org.apache.flink.streaming.api.functions.KeyedProcessFunction;

import org.apache.flink.util.Collector;



import java.time.Duration;



public class ExampleTest {



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

        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        env.setParallelism(1);

        env

                //从socket读取数据

                .socketTextStream("192.168.117.211", 9999)

                .map(r -> Tuple2.of(r.split(" ")[0], Long.parseLong(r.split(" ")[1])))

                .returns(Types.TUPLE(Types.STRING, Types.LONG))

                .assignTimestampsAndWatermarks(

                        //5s延迟时间

                        WatermarkStrategy.<Tuple2<String, Long>>forBoundedOutOfOrderness(Duration.ofSeconds(5))

                                .withTimestampAssigner(new SerializableTimestampAssigner<Tuple2<String, Long>>() {

                                    @Override

                                    public long extractTimestamp(Tuple2<String, Long> element, long recordTimestamp) {

                                        //提取事件工夫

                                        return element.f1;

                                    }

                                })

                )

                //分流

                .keyBy(r -> r.f0)

                .process(new KeyedProcessFunction<String, Tuple2<String, Long>, String>() {

                    @Override

                    public void processElement(Tuple2<String, Long> value, Context ctx, Collector<String> out) throws Exception {

                        out.collect("以后的水位线是：" + ctx.timerService().currentWatermark());

                    }

                })

                .print();



        env.execute();

    }



}

nc -lk 9999 开启socket服务，监听9999端口
命令行输出：a 1000
[root@localhost ~]# nc -lk 9999 a 1000
idea控制台打印
以后的水位线是：-9223372036854775808 //-9223372036854775808是一个无穷大的数字

命令行输出：a 2000
idea控制台打印：
以后的水位线是：-4001 //以后水位线的值 = 事件工夫 – 最大延迟时间 -1 = 1000 – 5000 -1 = -4000
为什么用1000- 5000 -1而用2000 – 5000 -1？ flink会周期往流中插入水位线，水位线也是流中的一个元素，还是看下图了解吧。

命令行输出：a 3000
idea控制台打印：以后的水位线是：-3001 //2000 – 5000 -1 = -2000

命令行输出：a 10000
idea控制台打印：以后的水位线是：-2001 //3000 – 5000 -1 = -2000

命令行输出：a 1000
idea控制台打印：以后的水位线是：4999 //10000 – 5000 -1 = 4999

命令行输出：a 2000
idea控制台打印：以后的水位线是：4999 //10000 – 5000 -1 = 4999

通过控制台的打印后果发现水位线的和钟表一样，值总是越来越大的，随着事件工夫的变动而变动，然而不会变小，也可能会进行某一刻，如输出a 1000后在输出a 1000,a 2000水位线的值始终是4999。

整个打印过程
命令行窗口：

[root@master ~]# nc -lk 9999

a 1000

a 2000

a 3000

a 10000

a 1000

a 1000

a 2000

idea打印:

以后的水位线是：-9223372036854775808

以后的水位线是：-4001

以后的水位线是：-3001

以后的水位线是：-2001

以后的水位线是：4999

以后的水位线是：4999

以后的水位线是：4999

4、如何产生的

水位线实质就是一个工夫戳，这个工夫戳是程序员依据事件工夫动静计算出来，间接来一个案例吧。
案例1
自定义水位线的产生逻辑，实现WatermarkStrategy接口，flink会每隔200毫秒的调用onPeriodicEmit办法。

public class ExampleTest2 {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        //设置每隔1分钟插入一次水位线
        //env.getConfig().setAutoWatermarkInterval(6 * 1000L);

        env
                .socketTextStream("192.168.117.211", 9999)
                .map(new MapFunction<String, Tuple2<String, Long>>() {
                    @Override
                    public Tuple2<String, Long> map(String value) throws Exception {
                        String[] arr = value.split(" ");
                        return Tuple2.of(arr[0], Long.parseLong(arr[1]));
                    }
                })
                .assignTimestampsAndWatermarks(new CustomWatermarkGenerator())
                .print();

        env.execute();
    }

    public static class CustomWatermarkGenerator implements WatermarkStrategy<Tuple2<String, Long>> {
        @Override
        public TimestampAssigner<Tuple2<String, Long>> createTimestampAssigner(TimestampAssignerSupplier.Context context) {
            return new SerializableTimestampAssigner<Tuple2<String, Long>>() {
                @Override
                public long extractTimestamp(Tuple2<String, Long> element, long recordTimestamp) {
                    return element.f1;
                }
            };
        }

        @Override
        public WatermarkGenerator<Tuple2<String, Long>> createWatermarkGenerator(WatermarkGeneratorSupplier.Context context) {
            return new WatermarkGenerator<Tuple2<String, Long>>() {
                // 最大延迟时间
                private Long bound = 5000L;
                private Long maxTs = -Long.MAX_VALUE + bound + 1L;

                @Override
                public void onEvent(Tuple2<String, Long> event, long eventTimestamp, WatermarkOutput output) {
                    //更新察看到的最大事件工夫
                    maxTs = Math.max(maxTs, event.f1);
                }

                @Override
                public void onPeriodicEmit(WatermarkOutput output) {
                    System.out.println("水位线的值：" + (maxTs - bound - 1L));
                    // 发送水位线，计算公式：事件工夫-延迟时间-1L
                    output.emitWatermark(new Watermark(maxTs - bound - 1L));
                }
            };
        }
    }
}

nc -lk 9999 开启socket服务，监听9999端口
启动idea，控制台每隔200毫秒打印后果：水位线的值：xxxxx。如下：
水位线的值：-9223372036854775807
水位线的值：-9223372036854775807
水位线的值：-9223372036854775807
水位线的值：-9223372036854775807

命令行输出：a 1000
控制台每隔200毫秒打印后果：水位线的值：xxxxx。如下：
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001

命令行输出：a 2000
控制台每隔200毫秒打印接口：水位线的值：xxxxx。如下：
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001

//默认200毫秒插入水位线到流，能够设置水位线的插入流的工夫距离
env.getConfig().setAutoWatermarkInterval(6 * 1000L);

整个打印过程
命令行窗口：

[root@master ~]# nc -lk 9999
a 1000
a 2000

idea打印：

水位线的值：-9223372036854775807
水位线的值：-9223372036854775807
水位线的值：-9223372036854775807
水位线的值：-9223372036854775807
水位线的值：-9223372036854775807
(a,1000)
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
(a,2000)
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
Disconnected from the target VM, address: '127.0.0.1:58591', transport: 'socket'
水位线的值：-3001

Process finished with exit code 130

通过后果咱们能够晓得，水位线的值随着事件工夫1000,2000的变动而变动。如果输出a 2000后在输出a 1000，控制台打印后果是怎么的？那必定打印的是：水位线的值：-3001，因为水位线的值和工夫一样永远只会越来越大。

案例2

革新一下程序，新增如下代码，keyby后，把命令行输出的元素打印进去。

nc -lk 9999启动socket监听9999端口
启动idea

命令行输出

[root@localhost ~]# nc -lk 9999
a 1000
a 2000
a 5000
a 6000

idea控制台打印：

水位线的值：-9223372036854775807
水位线的值：-9223372036854775807
输出业务数据是：(a,1000)
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
水位线的值：-4001
输出业务数据是：(a,2000)
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
水位线的值：-3001
输出业务数据是：(a,5000)
水位线的值：-1
水位线的值：-1
水位线的值：-1
水位线的值：-1
水位线的值：-1
水位线的值：-1
水位线的值：-1
水位线的值：-1
输出业务数据是：(a,6000)
水位线的值：999
水位线的值：999
水位线的值：999
水位线的值：999
水位线的值：999

剖析计算结果后果：
-9223372036854775807,-9223372036854775807,(a,1000),-4001,-4001,-4001,-4001,-4001,-4001,-4001,-4001,(a,2000),-3001,-3001,-3001,-3001,-3001,(a,5000),-1,-1,-1,(a,6000),999,999,999,999

不晓得大家有没有一种感觉，水位线和业务数据什么关系？是不是相似生存中落花和流水的关系呢？业务数据就是河流中的水，水位线就像落在水中的花，他们两一起流向大海，水位线和业务数据一样都属于流中的一个元素。

5、有什么用

在流的世界逻辑时钟就是一个参照物。还是挂钟来举例吧，看看挂钟曾经12点了，咱们必定在会暗示本人该放下手机了要睡觉了。针对源源不断的数据流，把数据流拆分为多段进行解决，针对每段数据进行统计，那什么时候触发统计呢？这个时候就会用这个逻辑时钟，窗口看看逻辑工夫以后处于几点钟，发现窗口完结工夫小于时钟的工夫，窗口闭合进行统计。

案例1，水位线触发定时工作的执行
性能形容：水位线的以后工夫戳大于定时工作的的触发工夫后触发定时工作的执行。

public class ExampleTest3 {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        env
                .socketTextStream("192.168.117.211", 9999)
                .map(r -> Tuple2.of(r.split(" ")[0], Long.parseLong(r.split(" ")[1])))
                .returns(Types.TUPLE(Types.STRING, Types.LONG))
                .assignTimestampsAndWatermarks(
                        WatermarkStrategy.<Tuple2<String, Long>>forBoundedOutOfOrderness(Duration.ofSeconds(5))
                        .withTimestampAssigner(new SerializableTimestampAssigner<Tuple2<String, Long>>() {
                            @Override
                            public long extractTimestamp(Tuple2<String, Long> element, long recordTimestamp) {
                                return element.f1;
                            }
                        })
                )
                .keyBy(r -> r.f0)
                .process(new KeyedProcessFunction<String, Tuple2<String, Long>, String>() {
                    @Override
                    public void processElement(Tuple2<String, Long> value, Context ctx, Collector<String> out) throws Exception {
//                        out.collect("以后的水位线是：" + ctx.timerService().currentWatermark());
                        ctx.timerService().registerEventTimeTimer(value.f1 + 5000L);
                        out.collect("注册了一个工夫戳是：" + new Timestamp(value.f1 + 5000L) + " 的定时器");
                    }

                    @Override
                    public void onTimer(long timestamp, OnTimerContext ctx, Collector<String> out) throws Exception {
                        super.onTimer(timestamp, ctx, out);
                        out.collect("定时器触发了！");
                    }
                })
                .print();

        env.execute();
    }
}

nc -lk 9999 开启socket服务，监听9999端口
命令行输出：a 1665367810000 //1665367810000对应的工夫为2022-10-10 10:10:10
控制台输入：注册了一个工夫戳是：2022-10-10 10:10:15.0 的定时器 //2022-10-10 10:10:15转换为工夫戳为1665367815000

解释一下控制台输入后果
以后水位线的值：2022-10-10 10:10:10 – 5s -1毫秒 = 1665367810000 – 5000 -1 = 1665367804999。当水位线的值大于1665367815000定时工作触发。

命令行输出：1665367821000 //命令行输出2022-10-10 10:10:21对应的工夫戳1665367821000将会触发定时工作
控制台输入：定时器触发了！

命名行打印输出

[root@master ~]# nc -lk 9999
a 1665367810000
a 1665367821000

idea打印输出

注册了一个工夫戳是：2022-10-10 10:10:15.0 的定时器
注册了一个工夫戳是：2022-10-10 10:10:26.0 的定时器
定时器触发了！

案例2，水位线以后工夫戳大于窗口完结工夫触发窗口闭

案例day3.Example4

public class ExampleTest4 {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        env
                .socketTextStream("192.168.117.211", 9999)
                .map(new MapFunction<String, Tuple2<String, Long>>() {
                    @Override
                    public Tuple2<String, Long> map(String value) throws Exception {
                        String[] arr = value.split(" ");
                        return Tuple2.of(arr[0], Long.parseLong(arr[1]));
                    }
                })
                .assignTimestampsAndWatermarks(
                        // 最大延迟时间设置为5秒
                        WatermarkStrategy.<Tuple2<String, Long>>forBoundedOutOfOrderness(Duration.ofSeconds(5))
                                .withTimestampAssigner(new SerializableTimestampAssigner<Tuple2<String, Long>>() {
                                    @Override
                                    public long extractTimestamp(Tuple2<String, Long> element, long recordTimestamp) {
                                        return element.f1; // 通知flink事件工夫是哪一个字段
                                    }
                                })
                )
                .keyBy(r -> r.f0)
                // 5秒的事件工夫滚动窗口
                .window(TumblingEventTimeWindows.of(Time.seconds(5)))
                .process(new ProcessWindowFunction<Tuple2<String, Long>, String, String, TimeWindow>() {
                    @Override
                    public void process(String key, Context context, Iterable<Tuple2<String, Long>> elements, Collector<String> out) throws Exception {
                        long windowStart = context.window().getStart();
                        long windowEnd = context.window().getEnd();
//                        System.out.println("以后窗口的完结值：" + context.currentWatermark());
//                        System.out.println("以后水位线的值：" + context.currentWatermark());
                        long count = elements.spliterator().getExactSizeIfKnown();
                        out.collect("用户" + key + " 在窗口" +
                                "" + new Timestamp(windowStart) + "~" + new Timestamp(windowEnd) + "" +
                                "中的pv次数是：" + count);
                    }
                })
                .print();

        env.execute();
    }
}

命令行输出：a 1665367810000 //flink将开启一个2022-10-10 10:10:10.0~2022-10-10 10:10:15的窗口，当水位线以后值(以后值指下面的以后工夫)大于窗口完结工夫对应的工夫戳会触发窗口闭合。

命令行输出：a 1665367821000 //此时水位线以后值为：1665367821000 – 5000 -1 = 1665367815999，1665367815999转换为工夫：2022-10-10 10:10:15，2022-10-10 10:10:15等于窗口完结工夫，所以触发窗口闭合。
管制输入：用户a 在窗口2022-10-10 10:10:10.0~2022-10-10 10:10:15.0中的pv次数是：1

命令行

[root@master ~]# nc -lk 9999
a 1665367810000
a 1665367821000

idea

以后窗口的完结值：1665367815999
以后水位线的值：1665367815999
用户a 在窗口2022-10-10 10:10:10.0~2022-10-10 10:10:15.0中的pv次数是：1

如果依据”解决工夫”来进行统计分析，窗口要闭合进行统计，必定有一个参考的工夫，只是这个工夫是cpu帮忙产生的，窗口的闭合依据cpu产生的工夫进行闭合，但逻辑时钟的某霎时的值是程序计算出来的，这也是为什么把水位线称为逻辑时钟。

6、早退数据的解决

6.1、什么叫早退数据
事件工夫小于水位线以后工夫戳，比方以后数据流的数据xxx携带的事件工夫是2022:20:50，逻辑时钟的此时的工夫为2022:20:51，那么flink认为xxx就是一条早退数据。

案例形容：手动发送水位线，手动发送携带事件工夫的元素。

public class ExampleTest5 {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        SingleOutputStreamOperator<String> result = env
                .addSource(new SourceFunction<String>() {
                    @Override
                    public void run(SourceContext<String> ctx) throws Exception {
                        // 发送数据携带事件工夫的数据hello world
                        ctx.collectWithTimestamp("hello world", 1000L);
                        // 发送水位线
                        ctx.emitWatermark(new Watermark(999L));
                        // 发送数据携带事件工夫的数据 hello flink
                        ctx.collectWithTimestamp("hello flink", 2000L);
                        // 发送水位线
                        ctx.emitWatermark(new Watermark(1999L));
                        // 发送数据携带事件工夫的数据hello late
                        ctx.collectWithTimestamp("hello late", 1000L);
                    }

                    @Override
                    public void cancel() {

                    }
                })
                .process(new ProcessFunction<String, String>() {
                    @Override
                    public void processElement(String value, Context ctx, Collector<String> out) throws Exception {
                        //System.out.println("以后水位线：" + ctx.timerService().currentWatermark());

                        //判断事件工夫是否小于水位线
                        if (ctx.timestamp() < ctx.timerService().currentWatermark()) {
                            System.out.println("早退元素：" + value);
                        } else {
                            System.out.println("失常元素：" + value);
                        }
                    }
                });

        env.execute();
    }
}

控制台输入：
失常元素：hello world
失常元素：hello flink
早退元素：hello late

6.2、早退元素的解决
了解了什么叫早退元素，至于怎么解决，flink提供了几种计划，如

案例：早退数据发送到”侧输入流”中

public class ExampleTest {

    // 定义侧输入流
    private static OutputTag<String> lateElement = new OutputTag<String>("late-element") {
    };

    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        
        SingleOutputStreamOperator<String> result = env
                .addSource(new SourceFunction<String>() {
                    @Override
                    public void run(SourceContext<String> ctx) throws Exception {
                        // 发送数据携带事件工夫的数据hello world
                        ctx.collectWithTimestamp("hello world", 1000L);
                        // 发送水位线
                        ctx.emitWatermark(new Watermark(999L));
                        // 发送数据携带事件工夫的数据 hello flink
                        ctx.collectWithTimestamp("hello flink", 2000L);
                        // 发送水位线
                        ctx.emitWatermark(new Watermark(1999L));
                        // 发送数据携带事件工夫的数据hello late
                        ctx.collectWithTimestamp("hello late", 1000L);
                    }

                    @Override
                    public void cancel() {

                    }
                })
                .process(new ProcessFunction<String, String>() {
                    @Override
                    public void processElement(String value, Context ctx, Collector<String> out) throws Exception {
                        //判断事件工夫是否小于水位线
                        if (ctx.timestamp() < ctx.timerService().currentWatermark()) {
                            ctx.output(lateElement, "早退元素发送到侧输入流：" + value);
                        } else {
                            out.collect("失常达到的元素：" + value);
                        }
                    }
                });
        result.print("支流：");
        result.getSideOutput(lateElement).print("侧输入流：");

        env.execute();
    }
}

idea控制台输入：
支流：> 失常达到的元素：hello world
支流：> 失常达到的元素：hello flink
侧输入流：> 早退元素发送到侧输入流：hello late

思考：窗口，早退元素，水位线之间有什么关联？

7、总结

水位线相似生存中的时钟，通过时钟咱们晓得以后工夫处于几点几分秒，这个”以后工夫”在flink外面对应一个工夫戳，通过工夫戳来触发窗口的闭合，触发定时工作的执行。也相似一个参照物的角色。

关于java:聊聊flink水位线

1、概述

2、不太好了解的水位线

3、什么叫水位线

4、如何产生的

案例2

5、有什么用

案例2，水位线以后工夫戳大于窗口完结工夫触发窗口闭

6、早退数据的解决

7、总结

评论

发表回复取消回复

更多文章

苹果iOS打包的ipa应用无法安装？一篇文章带你了解可能的原因及排查方法

图解Golang：从零开始实现简易版过期LRU缓存

深入解析：基于Delta的线性数据结构模型，打造高效富文本编辑器

轻松管理社交媒体：使用Automa插件实现一键拉黑功能

关于java:聊聊flink水位线

1、概述

2、不太好了解的水位线

3、什么叫水位线

4、如何产生的

案例2

5、有什么用

案例2，水位线以后工夫戳大于窗口完结工夫触发窗口闭

6、早退数据的解决

7、总结

评论

发表回复 取消回复

更多文章

苹果iOS打包的ipa应用无法安装？一篇文章带你了解可能的原因及排查方法

图解Golang：从零开始实现简易版过期LRU缓存

深入解析：基于Delta的线性数据结构模型，打造高效富文本编辑器

轻松管理社交媒体：使用Automa插件实现一键拉黑功能

发表回复取消回复