共计 7382 个字符,预计需要花费 19 分钟才能阅读完成。
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
- 深刻理解 ProcessFunction 的状态操作(Flink-1.10);
- ProcessFunction;
- KeyedProcessFunction 类;
- ProcessAllWindowFunction(窗口解决);
- CoProcessFunction(双流解决);
本篇概览
本文是《Flink 处理函数实战》系列的第三篇,上一篇《Flink 处理函数实战之二:ProcessFunction 类》学习了最简略的 ProcessFunction 类,明天要理解的 KeyedProcessFunction,以及该类带来的一些个性;
对于 KeyedProcessFunction
通过比照类图能够确定,KeyedProcessFunction 和 ProcessFunction 并无间接关系:
KeyedProcessFunction 用于解决 KeyedStream 的数据汇合,相比 ProcessFunction 类,KeyedProcessFunction 领有更多个性,官网文档如下图红框,状态解决和定时器性能都是 KeyedProcessFunction 才有的:
介绍结束,接下来通过实例来学习吧;
版本信息
- 开发环境操作系统:MacBook Pro 13 寸,macOS Catalina 10.15.3
- 开发工具:IDEA ULTIMATE 2018.3
- JDK:1.8.0_211
- Maven:3.6.0
- 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:
实战简介
本次实战的指标是学习 KeyedProcessFunction,内容如下:
- 监听本机 9999 端口,获取字符串;
- 将每个字符串用空格分隔,转成 Tuple2 实例,f0 是分隔后的单词,f1 等于 1;
- 上述 Tuple2 实例用 f0 字段分区,失去 KeyedStream;
- KeyedSteam 转入自定义 KeyedProcessFunction 解决;
- 自定义 KeyedProcessFunction 的作用,是记录每个单词最新一次呈现的工夫,而后建一个十秒的定时器,十秒后如果发现这个单词没有再次出现,就把这个单词和它呈现的总次数发送到上游算子;
编码
- 持续应用《Flink 处理函数实战之二:ProcessFunction 类》一文中创立的工程 flinkstudy;
- 创立 bean 类 CountWithTimestamp,外面有三个字段,为了方便使用间接设为 public:
package com.bolingcavalry.keyedprocessfunction;
public class CountWithTimestamp {
public String key;
public long count;
public long lastModified;
}
- 创立 FlatMapFunction 的实现类 Splitter,作用是将字符串宰割后生成多个 Tuple2 实例,f0 是分隔后的单词,f1 等于 1:
package com.bolingcavalry;
import org.apache.flink.api.common.functions.FlatMapFunction;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.util.Collector;
import org.apache.flink.util.StringUtils;
public class Splitter implements FlatMapFunction<String, Tuple2<String, Integer>> {
@Override
public void flatMap(String s, Collector<Tuple2<String, Integer>> collector) throws Exception {if(StringUtils.isNullOrWhitespaceOnly(s)) {System.out.println("invalid line");
return;
}
for(String word : s.split(" ")) {collector.collect(new Tuple2<String, Integer>(word, 1));
}
}
}
- 最初是整个逻辑性能的主体:ProcessTime.java,这外面有自定义的 KeyedProcessFunction 子类,还有程序入口的 main 办法,代码在上面列出来之后,还会对要害局部做介绍:
package com.bolingcavalry.keyedprocessfunction;
import com.bolingcavalry.Splitter;
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.java.tuple.Tuple;
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.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.AssignerWithPeriodicWatermarks;
import org.apache.flink.streaming.api.functions.KeyedProcessFunction;
import org.apache.flink.streaming.api.watermark.Watermark;
import org.apache.flink.util.Collector;
import java.text.SimpleDateFormat;
import java.util.Date;
/**
* @author will
* @email zq2599@gmail.com
* @date 2020-05-17 13:43
* @description 体验 KeyedProcessFunction 类(工夫类型是解决工夫)
*/
public class ProcessTime {
/**
* KeyedProcessFunction 的子类,作用是将每个单词最新呈现工夫记录到 backend,并创立定时器,* 定时器触发的时候,查看这个单词间隔上次呈现是否曾经达到 10 秒,如果是,就发射给上游算子
*/
static class CountWithTimeoutFunction extends KeyedProcessFunction<Tuple, Tuple2<String, Integer>, Tuple2<String, Long>> {
// 自定义状态
private ValueState<CountWithTimestamp> state;
@Override
public void open(Configuration parameters) throws Exception {
// 初始化状态,name 是 myState
state = getRuntimeContext().getState(new ValueStateDescriptor<>("myState", CountWithTimestamp.class));
}
@Override
public void processElement(
Tuple2<String, Integer> value,
Context ctx,
Collector<Tuple2<String, Long>> out) throws Exception {
// 获得以后是哪个单词
Tuple currentKey = ctx.getCurrentKey();
// 从 backend 获得以后单词的 myState 状态
CountWithTimestamp 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 CountWithTimestamp();
current.key = value.f0;
}
// 单词数量加一
current.count++;
// 取以后元素的工夫戳,作为该单词最初一次呈现的工夫
current.lastModified = ctx.timestamp();
// 从新保留到 backend,包含该单词呈现的次数,以及最初一次呈现的工夫
state.update(current);
// 为以后单词创立定时器,十秒后后触发
long timer = current.lastModified + 10000;
ctx.timerService().registerProcessingTimeTimer(timer);
// 打印所有信息,用于核查数据正确性
System.out.println(String.format("process, %s, %d, lastModified : %d (%s), timer : %d (%s)\n\n",
currentKey.getField(0),
current.count,
current.lastModified,
time(current.lastModified),
timer,
time(timer)));
}
/**
* 定时器触发后执行的办法
* @param timestamp 这个工夫戳代表的是该定时器的触发工夫
* @param ctx
* @param out
* @throws Exception
*/
@Override
public void onTimer(
long timestamp,
OnTimerContext ctx,
Collector<Tuple2<String, Long>> out) throws Exception {
// 获得以后单词
Tuple currentKey = ctx.getCurrentKey();
// 获得该单词的 myState 状态
CountWithTimestamp result = state.value();
// 以后元素是否曾经间断 10 秒未呈现的标记
boolean isTimeout = false;
// timestamp 是定时器触发工夫,如果等于最初一次更新工夫 +10 秒,就示意这十秒内曾经收到过该单词了,// 这种间断十秒没有呈现的元素,被发送到上游算子
if (timestamp == result.lastModified + 10000) {
// 发送
out.collect(new Tuple2<String, Long>(result.key, result.count));
isTimeout = true;
}
// 打印数据,用于核查是否合乎预期
System.out.println(String.format("ontimer, %s, %d, lastModified : %d (%s), stamp : %d (%s), isTimeout : %s\n\n",
currentKey.getField(0),
result.count,
result.lastModified,
time(result.lastModified),
timestamp,
time(timestamp),
String.valueOf(isTimeout)));
}
}
public static void main(String[] args) throws Exception {final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 并行度 1
env.setParallelism(1);
// 解决工夫
env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);
// 监听本地 9999 端口,读取字符串
DataStream<String> socketDataStream = env.socketTextStream("localhost", 9999);
// 所有输出的单词,如果超过 10 秒没有再次出现,都能够通过 CountWithTimeoutFunction 失去
DataStream<Tuple2<String, Long>> timeOutWord = socketDataStream
// 对收到的字符串用空格做宰割,失去多个单词
.flatMap(new Splitter())
// 设置工夫戳分配器,用以后工夫作为工夫戳
.assignTimestampsAndWatermarks(new AssignerWithPeriodicWatermarks<Tuple2<String, Integer>>() {
@Override
public long extractTimestamp(Tuple2<String, Integer> element, long previousElementTimestamp) {
// 应用以后零碎工夫作为工夫戳
return System.currentTimeMillis();}
@Override
public Watermark getCurrentWatermark() {
// 本例不须要 watermark,返回 null
return null;
}
})
// 将单词作为 key 分区
.keyBy(0)
// 按单词分区后的数据,交给自定义 KeyedProcessFunction 解决
.process(new CountWithTimeoutFunction());
// 所有输出的单词,如果超过 10 秒没有再次出现,就在此打印进去
timeOutWord.print();
env.execute("ProcessFunction demo : KeyedProcessFunction");
}
public static String time(long timeStamp) {return new SimpleDateFormat("yyyy-MM-dd hh:mm:ss").format(new Date(timeStamp));
}
}
上述代码有几处须要重点关注的:
- 通过 assignTimestampsAndWatermarks 设置工夫戳的时候,getCurrentWatermark 返回 null,因为用不上 watermark;
- processElement 办法中,state.value()能够获得以后单词的状态,state.update(current)能够设置以后单词的状态,这个性能的详情请参考《深刻理解 ProcessFunction 的状态操作(Flink-1.10)》;
- registerProcessingTimeTimer 办法设置了定时器的触发工夫,留神这里的定时器是基于 processTime,和官网 demo 中的 eventTime 是不同的;
- 定时器触发后,onTimer 办法被执行,外面有这个定时器的全副信息,尤其是入参 timestamp,这是本来设置的该定时器的触发工夫;
验证
- 在控制台执行命令 nc -l 9999,这样就能够从控制台向本机的 9999 端口发送字符串了;
- 在 IDEA 上间接执行 ProcessTime 类的 main 办法,程序运行就开始监听本机的 9999 端口了;
- 在后面的控制台输出 aaa,而后回车,期待十秒后,IEDA 的控制台输入以下信息,从后果可见合乎预期:
- 持续输出 aaa 再回车,间断两次,两头距离不要超过 10 秒,后果如下图,可见每一个 Tuple2 元素都有一个定时器,然而第二次输出的 aaa,其定时器在登程前,aaa 的最新呈现工夫就被第三次输出的操作给更新了,于是第二次输出 aaa 的定时器中的比照操作发现此时距 aaa 的最近一次 (即第三次) 呈现还未达到 10 秒,所以第二个元素不会发射到上游算子:
- 上游算子收到的所有超时信息会打印进去,如下图红框,只打印了数量等于 1 和 3 的记录,等于 2 的时候因为在 10 秒内再次输出了 aaa,因而没有超时接管,不会在上游打印:
至此,KeyedProcessFunction 处理函数的学习就实现了,其状态读写和定时器操作都是很实用能力,心愿本文能够给您提供参考;
你不孤独,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