11-flink-1.10.1- Flink window API

Posted 2022-11-29 逃跑的沙丁鱼

目录

1 window api 概念

2 window api 类型

 2.1 时间窗口（Time Window）

2.2 计数窗口

3 窗口函数（window function）

 4 window api 结合代码

---

1 window api 概念

•  一般真实的流都是无界的，怎样处理无界的流？
• 可以把无界的流进行切分，得到有限的数据集进行处理-也就是得到了有界的流进行处理。
• 窗口就是将无限流切割成有限流的一种方式，它会将有限的流分发到有限大小的桶里（bucket）进行处理

2 window api 类型

 2.1 时间窗口（Time Window）

    （1）滚动的时间窗口

• 将数据依据固定的时间窗口长度对数据进行切分
• 时间固定，窗口长度相同，没有重叠 

.window(TumblingProcessingTimeWindows.of(Time.seconds(15)))//滚动窗口
.timeWindow(Time.seconds(15))//滚动窗口简写

    （2）滑动的时间窗口

• 滑动窗口是固定窗口更为广泛义的一种形式，滑动窗口由固定的窗口长度和滑动间隔组成
• 窗口长度有固定可以有重叠
• 使用场景，比如最近24小时内，最近1一个小时内的统计指标等等

.window(SlidingEventTimeWindows.of(Time.seconds(15),Time.seconds(10)))//滑动窗口
.timeWindow(Time.seconds(15),Time.seconds(10))//滑动窗口简写

  （3） 会话窗口

• 有一些列时间组合一个指定的时间长度的timeout间隙组成，也就是一段时间没有接收到数据就会生成新的窗口
• 特点，时间无对其 

.window(EventTimeSessionWindows.withGap(Time.seconds(20)))//会话窗口

2.2 计数窗口

   滚动计数窗口

.countWindow(10)//计数滚动窗口

  滑动计数窗口

.countWindow(10,5)//计数滑动窗口

3 窗口函数（window function）

window function 定义了对窗口中收集的数据做的计算操作

可分为两类：

① 增量聚合函数（incremental aggregation function）

    每条数据到来就进行计算，保持一个简单的状态

    ReduceFunction，Aggregation

② 全窗口函数（full window functions）

   先把窗口所有数据收集起来，等到计算的时候会遍历所有数据

  ProcessWindowFunction，WindowFunction

 4 window api 结合代码

 需求，求最近15秒内收到的数据里温度最小的温度，且最后一次温度采集的时间戳是什么？

 ① 读有界数据无法输出

package com.study.liucf.unbounded.window

import com.study.liucf.bean.LiucfSensorReding
import org.apache.flink.api.common.functions.ReduceFunction
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.assigners.EventTimeSessionWindows, SlidingEventTimeWindows, TumblingEventTimeWindows, TumblingProcessingTimeWindows
import org.apache.flink.streaming.api.windowing.time.Time

/**
 * @Author liucf
 * @Date 2021/9/22
 *      需求，求最近15秒内收到的数据里温度最小的温度，且最后一次温度采集的时间戳是什么？
 */
object LiucfWindowApi 
  def main(args: Array[String]): Unit = 
    //创建flink执行环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    //读取数据
    val inputStream: DataStream[String] = env.readTextFile("src\\\\main\\\\resources\\\\sensor.txt")
    //转换数据类型 string 类型转换成LiucfSensorReding,求最小值
    val ds = inputStream.map(r => 
      val arr = r.split(",")
      LiucfSensorReding(arr(0), arr(1).toLong, arr(2).toDouble)
    ).map(d=>(d.id,d.temperature,d.timestamp))
      .keyBy(_._1) // 按照传感器id分组
//      .window(TumblingProcessingTimeWindows.of(Time.seconds(15)))//滚动窗口
//      .window(SlidingEventTimeWindows.of(Time.seconds(15),Time.seconds(10)))//滑动窗口
//      .window(EventTimeSessionWindows.withGap(Time.seconds(20)))//会话窗口
//
//      .timeWindow(Time.seconds(15),Time.seconds(10))//滑动窗口简写
//      .countWindow(10)//计数滚动窗口
//      .countWindow(10,5)//计数滑动窗口
      .timeWindow(Time.seconds(15))//滚动窗口简写
//        .reduce((currentData,newData)=>
//          (currentData._1,currentData._2.min(newData._2),currentData._3.max(currentData._3))
//        )
        .reduce(new LiucfReduceFunction())
    //输出到控制台
    ds.print()
    env.execute("flink window api:liucf window api test ")
  


/**
 * 自定义reduceFunction处理
 */
class LiucfReduceFunction extends ReduceFunction[(String,Double,Long)]
  override def reduce(value1: (String, Double, Long), value2: (String, Double, Long)): (String, Double, Long) = 

    (value1._1,value1._2.min(value2._2),value1._3.max(value2._3))
  

可见没有任何输出，这是因为窗口关闭需要等到15秒，而读取文件数据的有界流很快就完成了还没等到15秒就结束，所以没有输出

解决策略是换成无界流进行数据读入就可以了，我下面代码使用kafka来进行测试

为了看到效果我把窗口改成60秒快速往kafka里生成几条数据

package com.study.liucf.kafka

import java.util.Properties

import org.apache.kafka.clients.producer.Callback, KafkaProducer, ProducerRecord, RecordMetadata
import org.apache.kafka.common.serialization.StringSerializer

object SensorProduce2 
  def main(args: Array[String]): Unit = 
    val kafkaProp = new Properties()
    kafkaProp.put("bootstrap.servers", "192.168.109.151:9092")
    kafkaProp.put("acks", "1")
    kafkaProp.put("retries", "3")
    //kafkaProp.put("batch.size", 16384)//16k
    kafkaProp.put("key.serializer", classOf[StringSerializer].getName)
    kafkaProp.put("value.serializer", classOf[StringSerializer].getName)
    kafkaProp.put("topic","sensor_input_csv")
    val producer = new KafkaProducer[String, String](kafkaProp)
    val sensor = "sensor_1,1617505481,30.6"
    send(sensor,producer)
    producer.close()
  


  def send(str:String,producer: KafkaProducer[String, String]): Unit =
    val record = new ProducerRe cord[String, String]("sensor_input_csv", str )
    producer.send(record, new Callback 
      override def onCompletion(metadata: RecordMetadata, exception: Exception): Unit = 
        if (metadata != null) 
          println("发送成功")
        
        if (exception != null) 
          println("消息发送失败")
        
      
    )
  

 

可见可以达到预期的。