Flink поддерживает множество окон, в том числе: временное окно, окно сеанса, окно статистики и т. Д., Практически все, что можно вообразить, может быть реализовано
Временные окна (Time Windows)
Самая простая и наиболее часто используемая форма окна - это временные окна. Flink поддерживает три типа временных окон:
Первый: вращающееся временное окно
Окно временного окна ролловера фиксировано. Например, если установлено 1-минутное временное окно, временное окно будет вычислять данные только в пределах текущей 1 минуты и не будет учитывать данные предыдущей 1 минуты или следующей 1 минуты.
Время выравнивается, данные не будут отображаться в двух окнах одновременно и не будут перекрываться
Второй: скользящее временное окно (скользящее временное окно)
Скользящее окно, как следует из названия, временное окно скользящее. Итак, концептуально необходимо понять две концепции:
Окно: необходимо определить размер окна.
Скольжение: необходимо определить размер сдвига в окне, но теоретически размер сдвига не может превышать размер окна.
Скользящее окно является более общей формой фиксированного окна. Скользящее окно состоит из окна фиксированной длины и
Длина окна композиции скользящего интервала фиксированная, могут быть перекрывающиеся части
Третье: Сессионные окна (Сессионные окна)
Он состоит из серии событий, объединенных с интервалом тайм-аута на указанный промежуток времени, то есть новое окно будет сгенерировано, если новые данные не будут получены в течение определенного периода времени.
Основные особенности: Время не выровнено
window() 方法接收的输入参数是一个WindowAssigner
WindowAssigner 负责将每条输入的数据分发到正确的window中
Flink提供了通用的WindowAssigner
滚动窗口(tumbling window)
滑动窗口(sliding window)
会话窗口(session window)
全局窗口(global window)
创建不同类型的窗口
滚动时间窗口(tumbling time window)
timeWindow(Time.seconds(15))
滑动时间窗口(sliding time window)
.timeWindow(Time.seconds(15),Time.seconds(5))
会话窗口(session window)
.window(EventTimeSessionWindows.withGap(Time.minutes(10))
窗口函数(window function)
window function 定义了要对窗口中收集的数据做的计算操作,可以分为两类;
增量聚合函数(incrementalggergation functions)
每条数据来了就会进行计算,保持一个简单的状态
ReduceFunction, AggregateFunction
全窗口函数(full windowfunctions)
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
其他一些常用的API
.trigger()---------触发器
定义window什么时候关闭,触发计算并输出结果
.evicotr()---------移除器
定义移除某些数据的逻辑
.allowedLateness() ------允许处理迟到的数据
.sideOutputLateData() -----将迟到的数据放入侧输出流
.getSideOutput() ----获取侧输出流
Теория гласит, что это еще долго мило, последний каштан
Предполагая, что пакет данных считывается из файла, статистика производится каждые 15 секунд, и получается минимальное значение всех температур каждого датчика в окне и минимальная отметка времени.
Создайте новый объект Scala WindowTest.scala
package com.mafei.apitest
import com.mafei.sinktest.SensorReadingTest5
import org.apache.flink.api.common.functions.ReduceFunction
import org.apache.flink.streaming.api.scala.{StreamExecutionEnvironment, createTypeInformation}
import org.apache.flink.streaming.api.windowing.time.Time
object WindowTest {
def main(args: Array[String]): Unit = {
//创建执行环境
val env = StreamExecutionEnvironment.getExecutionEnvironment
// env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) //以事件时间作为窗口聚合
//env.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime) //以数据进入flink的时间作为窗口时间
// env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime) //以Flink实际处理时间作为窗口时间
//如果发现没有输出,那可能是因为数据太少,不到15s都处理完成了,可以换成socket或者kafka来进行测试
val inputStream = env.readTextFile("/opt/java2020_study/maven/flink1/src/main/resources/sensor.txt")
env.setParallelism(1)
inputStream.print()
//先转换成样例类类型
val dataStream = inputStream
.map(data => {
val arr = data.split(",") //按照,分割数据,获取结果
SensorReadingTest5(arr(0), arr(1).toLong, arr(2).toDouble) //生成一个传感器类的数据,参数中传toLong和toDouble是因为默认分割后是字符串类别
})
//每15秒统计一次,窗口内各传感器所有温度的最小值,以及最小的时间戳
val resultStream = dataStream
.map(data=>(data.id,data.temperature,data.timestamp))
.keyBy(_._1) //按照二元组的第一个元素(id)分组
// .window(TumblingEventTimeWindows.of(Time.seconds(15))) //滚动时间窗口
// .window(SlidingProcessingTimeWindows.of(Time.seconds(15),Time.seconds(3))) //滑动时间窗口,15秒一个窗口,每次往后划3秒
// .window(EventTimeSessionWindows.withGap(Time.seconds(15))) //会话窗口,超过15秒算下一个会话
// .countWindow(15) //滚动计数窗口
.timeWindow(Time.seconds(15)) //每15秒统计一次,滚动时间窗口
// .minBy(1) //第二个元素做最小值的统计,如果只是获取所有温度的最小值,直接用这个方法就可以了。。
.reduce((curRes,newData)=>(curRes._1, curRes._2.min(newData._2),newData._3))
resultStream.print()
env.execute()
}
}
//上面reduce代码如果用这个自定义的方式也是一样可以实现,效果是一样的
class MyReducer extends ReduceFunction[SensorReadingTest5]{
override def reduce(t: SensorReadingTest5, t1: SensorReadingTest5): SensorReadingTest5 =
SensorReadingTest5(t.id, t1.timestamp,t.temperature.min(t1.temperature))
}
Подготовьте sensor.txt и поместите его в указанный каталог:
sensor1,1603766281,1
sensor2,1603766282,42
sensor3,1603766283,43
sensor4,1603766240,40.1
sensor4,1603766284,20
sensor4,1603766249,40.2
Структура окончательного кода и его запускающий эффект