Flink Program Guide （5） -- 预定义的Timestamp Extractor / Watermark Emitter （DataStream API编程指导 -- For Java）

本文翻译自Pre-defined Timestamp Extractors / Watermark Emitter

------------------------------------------------------------------------------------------

正如timestamps and watermark handling中所述，Flink提供了抽象类来让开发者赋值自己的时间戳并发送他们自己的Watermark。更具体来说，开发者需要依照不同用例情况来实现接口AssignerWithPeriodicWatermarks或接口AssignerWithPunctuatedWatermarks。简而言之，前一个接口将会周期性发送Watermark，而第二个接口根据一些到达数据的属性，例如一旦在流中碰到一个特殊的element便发送Watermark。

为了进一步简化开发者开发类似的task，Flink自带了一些预先实现的timestamp assigner。本节提供了它们的一个列表。除过引用即用的函数，这些预先实现的assigner还可以作为自定义assigner的实现示例。

递增时间戳的Assigner

最简单的周期性Watermark生成的特例便是由一个给定的Source task所见的时间戳都以递增顺序发生的情况。在这种情况下，由于不会有比当前时间戳更早的时间戳到达，故总是可以将当前时间戳看作是一个Watermark。

注意上述情况仅在每个并行数据源task的时间戳都是以递增顺序到达时才是必要的（应当是必要条件？--翻译不确定），例如，在某特定部署中，一个Kafka分区是由一个并行性数据源读取的，那么上述情况仅在每个Kafka分区内的时间戳都是递增顺序出现时才是必要的。Flink的Watermark合并机制保证会在任何并行流在进行shuffle、 union、 connect或merge后都可以生成正确的Watermark。

DataStream<MyEvent> stream = ...

DataStream<MyEvent> withTimestampsAndWatermarks =
　　stream.assignTimestampsAndWatermarks(new
AscendingTimestampExtractor<MyEvent>() {

　　@Override
　　public long
extractAscendingTimestamp(MyEvent
element) {
　　　　return element.getCreationTime();
　　}
});

允许固定量的迟到数据的Assigner

另一个周期性Watermark生成的例子是Watermark落在流中的一个固定时间段内观察到的最大（事件时间的）时间戳的后面。该情况同样包括预先知道在流中将会遇到的最大迟到量(lateness)的情况，例如创建的一个测试用的自定义source中，它的element的时间戳会分布在一个固定的时间段内。Flink为这种情况提供了BoundedOutofOrdernessTimestampExtractor接口，该接口需要参数maxOutofOrderness，即在一个element被给定窗口在计算最终结果时忽略之前（即该element过期前），所允许该element迟到的最大lateness。lateness的值为"t-t_w"，其中t是一个element的（事件时间的）时间戳，t_w是前一个watermark。如果lateness
> 0，则我们就认为该element已经迟到，并且在job计算对应窗口的结果时忽略它。

DataStream<MyEvent>
stream = ...

DataStream<MyEvent>
withTimestampsAndWatermarks =
　　stream.assignTimestampsAndWatermarks(new
BoundedOutOfOrdernessTimestampExtractor<MyEvent>(Time.seconds(10))
{

　　@Override
　　public long
extractAscendingTimestamp(MyEvent
element) {
　　　　return element.getCreationTime();
　　}
});