Flink-水位线的设置以及传递

Posted 2022-11-22

6.2 水位线

6.2.1 概述

1. 分类

• 有序流

• 无序流 判断的时间延迟

2. 延迟时间判定

6.2.2 水位线的设置

1. 分析

DataStream下的assignTimstampsAndWatermarks方法，返回SingleOutputStreamOperator本质还是个算子，传入的参数是WatermarkStrategy的生成策略

但是WatermarkStrategy是一个接口

• 有序流

因此调用静态方法forMonotonousTimeStamps后new AscendingTimestampsWatermarks返回WatermarkGernerator

AscendingTimestampsWatermarks这个继承自BoundOutOfOrdernessWatermarks

BoundOutOfOrdernessWatermarks这个类有onEvent和onPeriodicEmit这两方法，因为实现了WatermarkGenerator这个接口

然后在调用接口中的默认方法withTimestampAssigner得到返回WatermarkStrategy，参数是new SerializableTimestampAssigner的对象，重写extractTimestamp方法，这个方法作用是怎么样从数据里面提取时间戳

• 乱序流

因此调用静态方法forBoundedOutOfOrderness(参数为最大乱序程度，也就是延迟时间)后new BoundOutOfOrdernessWatermarks返回WatermarkGernerator

BoundOutOfOrdernessWatermarks这个类有onEvent和onPeriodicEmit这两方法，因为实现了WatermarkGenerator这个接口（跟上面一样了）

后面也跟有序一样，然后在调用接口中的默认方法withTimestampAssigner得到返回WatermarkStrategy

2. 完整代码

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

        //1.输入
        SingleOutputStreamOperator<Event> stream = env.fromElements(new Event("Mary", "./home", 1000L),
                new Event("Bob", "./cart", 2000L),
                new Event("Alice", "./prod?id=100", 3000L),
                new Event("Bob", "./prod?id=1", 3300L),
                new Event("Alice", "./prod?id=200", 3000L),
                new Event("Bob", "./home", 3500L),
                new Event("Bob", "./prod?id=2", 3800L),
                new Event("Bob", "./prod?id=3", 4200L))
            
//                //有序流的watermark生成
//                //forMonotonousTimestamps前指定泛型
//                .assignTimestampsAndWatermarks(WatermarkStrategy
//                        .<Event>forMonotonousTimestamps()//得到WatermarkGenerator
//                        .withTimestampAssigner(new SerializableTimestampAssigner<Event>() //返回WatermarkStrategy
//                            @Override
//                            //参数是当前传过来的数据element，另一个传出的recordTimestamp是时间戳
//                            public long extractTimestamp(Event element, long recordTimestamp) 
//                                return element.timestamp;
//                            
//                        )
//                )
            .assignTimestampsAndWatermarks(WatermarkStrategy
                    //forMonotonousTimestamps前指定泛型
                    //forMonotonousTimestamps参数是最大乱序时间
                    .<Event>forBoundedOutOfOrderness(Duration.ofSeconds(2))//得到WatermarkGenerator
                    .withTimestampAssigner(new SerializableTimestampAssigner<Event>() 
                        @Override
                        public long extractTimestamp(Event element, long recordTimestamp) 
                            return element.timestamp;
                        
                    )
            );
        env.execute();
    

6.2.3 自定义水位线

1. 分析

或者直接new 一个接口WatermarkStrategy重写createWatermarkGenerator的watermark生成器的方法（生成WatermarkGenerator）以及createTimeStampAssigner提取时间戳分配器的方法（生成TimeStampAssigner）创建watermark

WatermarkGenerator是个接口，有两个方法分别是onEvent方法，主要目标是要发出一个WatermarkOutput，另一个是onperiodicEmit方法，表示周期性的生成，周期性生成时间默认是2秒，env调用getConfig后调用setAutoWatermarkInterval后可以更改周期性生成时间

WatermarkOutput也是一个接口，调用emitWatermark就能发出一个watermark，

除了WatermarkGenerator接口还有TimeStampAssigner也是个接口，里面只有一个方法叫做extractTimestamp,目的是从当前数据提取时间戳，同时也会作为WatermarkGenerator这个接口中onEvent方法中传入的参数eventTimestamp时间戳（见上上上上上上图）

2. 代码

• 正常水位线

// 自定义水位线的产生
public class CustomWatermarkTest 
    public static void main(String[] args) throws Exception 
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        env.addSource(new ClickSource())
                .assignTimestampsAndWatermarks(new CustomWatermarkStrategy())
                .print();
        env.execute();
    
    //内部静态类
    public static class CustomWatermarkStrategy implements WatermarkStrategy<Event> 
        @Override
        //createTimestampAssigner方法生成TimeStampAssigner
        public TimestampAssigner<Event> createTimestampAssigner(TimestampAssignerSupplier.Context context) 
            return new SerializableTimestampAssigner<Event>() 
                @Override
                //extractTimestamp,目的是从当前数据提取时间戳
                public long extractTimestamp(Event element, long recordTimestamp)
                
                    return element.timestamp; // 告诉程序数据源里的时间戳是哪一个字段
                
            ;
        
        @Override
        //createWatermarkGenerator生成WatermarkGenerator
        public WatermarkGenerator<Event> createWatermarkGenerator(WatermarkGeneratorSupplier.Context context) 
            return new CustomPeriodicGenerator();
        
    
    //CustomPeriodicGenerator实现WatermarkGenerator接口，并重写方法
    public static class CustomPeriodicGenerator implements WatermarkGenerator<Event> 
        private Long delayTime = 5000L; // 延迟时间
        private Long maxTs = Long.MIN_VALUE + delayTime + 1L; // 观察到的最大时间戳
        @Override
        //更新当前时间戳，这边不发送水位线，目的是保存时间戳
        public void onEvent(Event event, long eventTimestamp, WatermarkOutput
                output) 
            // 每来一条数据就调用一次
            maxTs = Math.max(event.timestamp, maxTs); // 更新最大时间戳
        
        @Override
        public void onPeriodicEmit(WatermarkOutput output) 
            // 发射水位线，默认 200ms 调用一次
            //-1毫秒都是为了贴切窗口闭合的时候左闭右开设计
            output.emitWatermark(new Watermark(maxTs - delayTime - 1L));
        
    

• 断点水位线

在onevent根据条件触发，onPeriodicEmit这个方法中就不用做了

    public class CustomPunctuatedGenerator implements WatermarkGenerator<Event> 
        @Override
        public void onEvent(Event r, long eventTimestamp, WatermarkOutput output) 
        // 只有在遇到特定的 itemId 时，才发出水位线
            if (r.user.equals("Mary")) 
                output.emitWatermark(new Watermark(r.timestamp - 1));
            
        
        @Override
        public void onPeriodicEmit(WatermarkOutput output) 
            // 不需要做任何事情，因为我们在 onEvent 方法中发射了水位线
        
    

• 在自定义数据源中发送水位线

使用 collectWithTimestamp 方法将数据发送出去,原来直接out.collect()的

参数是当前数据还有当前数据的时间戳，跟水位线生成中extractTimestamp(Event element, long recordTimestamp)这个类似，也是一个数据是什么，一个时间戳是啥

然后发送水位线，用emitWatermark方法生成

public class CustomWatermarkTest 
    public static void main(String[] args) throws Exception 
        StreamExecutionEnvironment env =
                StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        env.addSource(new ClickSourceWithWatermark()).print();
        env.execute();
    
    // 泛型是数据源中的类型
    public static class ClickSourceWithWatermark implements SourceFunction<Event>
    
        private boolean running = true;
        @Override
        public void run(SourceFunction.SourceContext<Event> sourceContext) throws Exception 
            Random random = new Random();
            String[] userArr = "Mary", "Bob", "Alice";
            String[] urlArr = "./home", "./cart", "./prod?id=1";
            while (running) 
                long currTs = Calendar.getInstance().getTimeInMillis(); // 毫秒时间戳
                String username = userArr[random.nextInt(userArr.length)];
                String url = urlArr[random.nextInt(urlArr.length)];
                Event event = new Event(username, url, currTs);
                // 使用 collectWithTimestamp 方法将数据发送出去，并指明数据中的时间戳的字段
                sourceContext.collectWithTimestamp(event, event.timestamp);
                // 发送水位线
                sourceContext.emitWatermark(new Watermark(event.timestamp - 1L));
                Thread.sleep(1000L);
            
        
        @Override
        public void cancel() 
            running = false;
        
    

6.2.4 水位线的传递

针对多个分区，上游需要告诉下游水位线情况，采用的是广播的方式给所有下游子任务

但是上游如果也是并行的，向下传输的水位线可能有多个，以上游发过来最小的时钟为准，并且下游会有一个分区专门保存上游发过来的水位线最小的数据