Flink waterMark 的变化与传递

本文详细解析了Flink中的水位线(waterMark)机制,介绍了其如何控制时间窗口的关闭,确保乱序数据的正确处理。通过具体示例说明了水位线设置对窗口关闭时机的影响及水位线在不同处理阶段的传递方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

waterMark的变化

waterMark 标记Flink中数据到来的最小标记,用于决定时间窗口是否可以关闭。
设定存在时间窗口 [0,5),[5,9)两个窗口,数据源传递到flink的间隔是每秒一个数据且为乱序。每个数据分别代表自开始发送过去了多久,比如开始发送1秒后发送1,2秒后发送2…
假设传递到flink的数据集由于网络问题发生了乱序,3,4在传递过程中网络阻塞没能按时间顺序到达flink
flink接受到的顺序为 1,2,5,6,7,3,4,8
此时
当时间到达5s时,flink接受到的数据为1,2,5,6,7 ,但是3,4并未接受到。
两个数据集中收集到的数据为
[0,5) 1,2
[5,9) 5,6,7
如果waterMark设置为3,即时间窗口延长3个数据单位后关闭。
waterMark控制下的关闭的最大数值变为5+3 = 8
相同情况下
当时间到达5s时,flink接受到的数据为1,2,5,6,7 ,flink此时接受到的最大数据为7,waterMark为8,所以不会立刻关闭窗口,又过了3s后 3,4,8陆续到达,直到数据8到达,此时已经触达了waterMark的设定值,
两个数据集中收集到的数据为
[0,5) 1,2,3,4
[5,9) 5,6,7,8
waterMark对于窗口延时关闭的特性,不会影响到后续窗口接受的数据。

waterMark的传递

waterMark在每个并行处理的线程中会一直向下游传递,在并行度不一致的两个处理过程传递waterMark时,会采用广播的方式传递当前waterMark,即上游的waterMark会发送到多个下游处理过程中。
每个下游的处理过程也会接受到多个上游发送来得waterMark
下游会根据这些waterMark组成的集合,选择一个最小值作为当前处理过程的waterMark继续向下游传递。

### Flink 中 ProcessFunction 的功能和作用 #### 1. **ProcessFunction 的基本概念** `ProcessFunction` 是 Apache Flink 提供的一种低级 API,用于对 DataStream 进行更加灵活和细粒度的操作。它允许开发者通过自定义逻辑来处理每个元素,并支持时间相关的操作[^1]。 在实际应用中,`ProcessFunction` 可以被看作是对传统转换操作(如 `map()` 或 `filter()`)的一个扩展版本。它的主要特点是能够提供对时间和状态的控制能力,这是其他高级算子无法到的[^3]。 --- #### 2. **核心方法解析** ##### (1) **processElement 方法** 该方法会在流中的每一个元素到达时被调用。其签名如下: ```java public abstract void processElement(I value, Context ctx, Collector<O> out) throws Exception; ``` - 参数说明: - `value`: 当前正在处理的数据元素。 - `ctx`: 上下文对象,提供了关于当前元素的信息,比如时间戳、键值以及 TimerService 时间服务接口。 - `out`: 输出收集器,用于将结果发送到下游。 此方法的主要用途是在单个记录级别执行复杂的业务逻辑,同时还能利用上下文中提供的额外工具完成更多任务,例如向侧输出流写入数据[^5]。 --- ##### (2) **onTimer 方法** 这是一个回调函数,在之前注册的定时器触发时会被自动调用。其签名为: ```java public void onTimer(long timestamp, OnTimerContext ctx, Collector<O> out) throws Exception {} ``` - 参数解释: - `timestamp`: 定时器设置的目标时间戳。 - `ctx`: 类似于 `processElement` 中的上下文,包含了有关定时器触发时刻的相关细节。 - `out`: 同样是一个输出收集器实例,负责传递计算后的成果给后续阶段。 借助这一特性,用户可以在特定条件下延迟某些动作的发生,从而实现诸如窗口聚合之外更为精细的时间管理需求[^4]。 --- #### 3. **使用场景分析** 由于具备强大的灵活性可控性,因此适用于多种复杂场景下的实时数据分析工作负载。以下是几个典型的应用方向: - **获取 Watermark 和 Processing Time**: 如果应用程序需要感知输入序列里隐含的时间线索,则可通过访问 `ctx.timestamp()` 获取相应数值;而要读取系统运行期间的实际钟表刻度则需依赖 `TimerService.currentProcessingTime()` 函数。 - **跨时间段关联查询**: 借助内置计时机制安排未来某个瞬间重新审视现存条件变化情况的能力,使得解决涉及历史回溯型难题成为可能。 - **多路分流传输**: 利用 side outputs 功能把不符合常规路径走向的数据另辟蹊径送往专门通道进一步处置。 --- #### 4. **代码示例展示** 下面给出一段简单的 Java 实现片段演示如何运用上述理论构建解决方案框架: ```java stream.keyBy((KeySelector<MyEvent, String>) event -> event.getKey()) .process(new KeyedProcessFunction<String, MyEvent, String>() { @Override public void processElement(MyEvent value, Context ctx, Collector<String> out) throws Exception { // 处理每条进入的消息并决定是否立即发出响应还是稍后再判断 long currentTime = ctx.timerService().currentProcessingTime(); if (shouldEmitNow(value)) { out.collect("Immediate result for " + value); } else { ctx.timerService().registerProcessingTimeTimer(currentTime + DELAY_MS); } } @Override public void onTimer(long timestamp, OnTimerContext ctx, Collector<String> out) throws Exception { // 在预定时间点检查是否有待决事项需要通知外界知晓 out.collect("Delayed action triggered at " + new Timestamp(timestamp)); } }); ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值