Flink Time

基础概念

支持三种时间概念：

• Processing Time 时间递增
• Ingestion Time : 摄入时间，数据进入Flink框架的时间，在Source Operator中设置，每个事件拿到当前时间作为时间戳，后续的时间窗口基于该时间
• Event Time 支持一定程度的乱序
  
  上一个 checkpoint 或者 savepoint 进行重放，是不是希望结果完全相同。如果希望结果完全相同，就只能用 Event Time；如果接受结果不同，则可以用 Processing Time。

watermark

一个watermark 代表了 watermark所包含的timestamp 数值,表示后来的数据已经再也没有小于或等于这个时间的了.

Flink 支持两种 watermark 生成方式:

• 在SourceFunction中产生

collectWithTimestamp 方法发送一条数据

第一个参数就是我们要发送的数据

第二个参数就是这个数据所对应的时间戳

emitWatermark 去产生一条 watermark： 表示接下来不会再有时间戳小于等于这个数值记录

• 在使用DataStream API 的时候指定

DataStream.assignTimestampsAndWatermarks

建议生成的工作越靠近 DataSource 越好。这样会方便让程序逻辑里面更多的 operator 去判断某些数据是否乱序。

code demo:

object WaterMakerTest {
    def main(args: Array[String]): Unit = {
        val env = StreamExecutionEnvironment.getExecutionEnvironment
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
        env.setParallelism(1)

        val dataStream: DataStream[Order] = env.socketTextStream("localhost", 9999).map(item => {
            val itemArray = item.split(",")
            Order(itemArray(0).toLong, itemArray(1), itemArray(2).toDouble)
        })

        val outputStream: DataStream[Order] = dataStream.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[Order](Time.seconds(0)) {
            override def extractTimestamp(element: Order): Long = element.timestamp * 1000L
        }).keyBy("category").timeWindow(Time.seconds(5)).apply(new MyWindowFunction)

        dataStream.print("Data")
        outputStream.print("Result")

        env.execute()
    }
}

class MyWindowFunction extends WindowFunction[Order, Order, Tuple, TimeWindow] {
    override def apply(key: Tuple, window: TimeWindow, input: Iterable[Order], out: Collector[Order]): Unit = {
        val timestamp = window.maxTimestamp()
        var sum: Double = 0
        for (elem <- input) {
            sum += elem.price
        }

        val category = key.asInstanceOf[Tuple1[String]].f0
        out.collect(Order(timestamp, category, sum))
    }
}

case class Order(timestamp: Long, category: String, price: Double)

总结

主要了解Flink的时间概念以及Watermark的作用,它可以处理乱序数据，通过watermark来定义关窗的时间点. 可以在SourceFunction和DataStream API 指定生成 Watermark.