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 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。