彻底搞清 Flink 中的 Window 机制-flink mapstate

[[432700]]

一、为什么需要Window

在流处理应用中，数据是连续不断的，有时我们需要做一些聚合类的处理，例如：在过去的1分钟内有多少用户点击了我们的网页。

在这种情况下，我们必须定义一个窗口(window)，用来收集最近1分钟内的数据，并对这个窗口内的数据进行计算

二、Window的分类

2.1 按照time和count分类

time-window:时间窗口:根据时间划分窗口,如:每xx分钟统计最近xx分钟的数据

count-window:数量窗口:根据数量划分窗口,如:每xx个数据统计最近xx个数据

2.2 按照slide和size分类

窗口有两个重要的属性: 窗口大小size和滑动间隔slide,根据它们的大小关系可分为:

tumbling-window:滚动窗口:size=slide,如:每隔10s统计最近10s的数据

sliding-window:滑动窗口:size>slide,如:每隔5s统计最近10s数据

注意:当size<slide的时候,如每隔15s统计最近10s的数据,那么中间5s

小结

按照上面窗口的分类方式进行组合,可以得出如下的窗口:

基于时间的滚动窗口tumbling-time-window--用的较多
基于时间的滑动窗口sliding-time-window--用的较多
基于数量的滚动窗口tumbling-count-window--用的较少
基于数量的滑动窗口sliding-count-window--用的较少

注意:Flink还支持一个特殊的窗口:Session会话窗口,需要设置一个会话超时时间,如30s,则表示30s内没有数据到来,则触发上个窗口的计算

三、WindowAPI

3.1 window和windowAll

使用keyby的流,应该使用window方法

未使用keyby的流,应该调用windowAll方法

区别：

Window算子：是可以设置并行度的

WindowAll 算子：并行度始终为1

3.2 WindowAssigner

Windows Assigner的作用是指定窗口的类型，定义如何将数据流分配到一个或者多个窗口，API中通过window (WindowsAssigner assigner)指定。在Flink中支持两种类型的窗口，一种是基于时间的窗口(TimeWindow)，另一种是基于数量的窗口(countWindow)。窗口所表现出的类型特性取决于window assigner的定义。

Flink底层Window模型仅有TimeWindow以及GlobalWindow。

Flink提供了很多各种场景用的WindowAssigner：

如果需要自定制数据分发策略，则可以实现一个 class，继承自 WindowAssigner。

3.3 evictor

evictor 主要用于做一些数据的自定义操作，可以在执行用户代码之前，也可以在执行

用户代码之后，更详细的描述可以参考org.apache.flink.streaming.api.windowing.evictors.Evictor 的 evicBefore 和 evicAfter两个方法。

Flink 提供了如下三种通用的 evictor：

CountEvictor 保留指定数量的元素

TimeEvictor 设定一个阈值 interval，删除所有不再 max_ts - interval 范围内的元

素，其中 max_ts 是窗口内时间戳的最大值。

DeltaEvictor 通过执行用户给定的 DeltaFunction 以及预设的 theshold，判断是否删除一个元素。

3.4 trigger

trigger 用来判断一个窗口是否需要被触发，每个 WindowAssigner 都自带一个默认的trigger，

如果默认的 trigger 不能满足你的需求，则可以自定义一个类，继承自Trigger 即可，我们详细描述下 Trigger 的接口以及含义：

onEventTime() 当 event-time timer 被触发的时候会调用

onElement() 每次往 window 增加一个元素的时候都会触发

onMerge() 对两个 `rigger 的 state 进行 merge 操作

clear() window 销毁的时候被调用

上面的接口中前三个会返回一个 TriggerResult， TriggerResult 有如下几种可能的选择：

CONTINUE 不做任何事情
FIRE 触发 window
PURGE 清空整个 window 的元素并销毁窗口
PURGE 清空整个 window 的元素并销毁窗口

四、WindowAPI调用案例示例

4.1 基于时间的滚动和滑动窗口

测试数据

信号灯编号和通过该信号灯的车的数量 
9,3 
9,2 
9,7 
4,9 
2,6 
1,5 
2,3 
5,7 
5,4

需求1:每5秒钟统计一次，最近5秒钟内，各个路口通过红绿灯汽车的数量--基于时间的滚动窗口

需求2:每5秒钟统计一次，最近10秒钟内，各个路口通过红绿灯汽车的数量--基于时间的滑动窗口

package com.flink.source 
 
import org.apache.flink.api.common.functions.MapFunction 
import org.apache.flink.streaming.api.scala._ 
import org.apache.flink.streaming.api.windowing.assigners.{SlidingProcessingTimeWindows, TumblingProcessingTimeWindows} 
import org.apache.flink.streaming.api.windowing.time.Time; 
 
/** 
 * @Package com.flink.source 
 * @File ：WindowDemo_TimeWindow.java 
 * @author 大数据老哥 
 * @date 2021/10/26 10:50 
 * @version V1.0 
 */ 
object WindowDemo_TimeWindow { 
  def main(args: Array[String]): Unit = { 
    val env = StreamExecutionEnvironment.getExecutionEnvironment 
 
    val socketData = env.socketTextStream("192.168.100.101", 9999) 
    val socketMap = socketData.map(new MapFunction[String, CartInfo]() { 
      override def map(t: String): CartInfo = { 
        val arr = t.split(",") 
        CartInfo(arr(0), arr(1).toInt) 
      } 
    }) 
    //需求1:每5秒钟统计一次，最近5秒钟内，各个路口通过红绿灯汽车的数量 
    val result = socketMap.keyBy(_.sensorId).window(TumblingProcessingTimeWindows.of(Time.seconds(5))).sum("count") 
    //需求2:每5秒钟统计一次，最近10秒钟内，各个路口通过红绿灯汽车的数量 
    val result2 = socketMap.keyBy(_.sensorId).window(SlidingProcessingTimeWindows.of(Time.seconds(5), Time.seconds(10))).sum("count") 
    result.print() 
    result2.print() 
    env.execute("winds") 
  } 
 
} 
 
case class CartInfo(var sensorId: String, var count: Int)

4.2 基于数量的滚动和滑动窗口

测试数据

信号灯编号和通过该信号灯的车的数量 
9,3 
9,2 
9,7 
4,9 
2,6 
1,5 
2,3 
5,7 
5,4

需求1:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现5次进行统计--基于数量的滚动窗口

需求2:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现3次进行统计--基于数量的滑动窗口

package com.flink.source 
 
import org.apache.flink.api.common.functions.MapFunction 
import org.apache.flink.streaming.api.scala._ 
 
/** 
 * @Package com.flink.source 
 * @File ：WindosDemoo_CountWindos.java 
 * @author 大数据老哥 
 * @date 2021/10/26 14:04 
 * @version V1.0 
 */ 
object WindowDemo_CountWindow { 
  def main(args: Array[String]): Unit = { 
    val env = StreamExecutionEnvironment.getExecutionEnvironment 
    val socketData = env.socketTextStream("192.168.100.101", 9999) 
    val socketMap = socketData.map(new MapFunction[String, CartInfo] { 
      override def map(t: String): CartInfo = { 
        val arr = t.split(",") 
        CartInfo(arr(0), arr(1).toInt) 
      } 
    }) 
     // 需求1:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现5次进行统计 
    val result = socketMap.keyBy(_.sensorId).countWindow(5L).sum("count") 
     // 需求2:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现3次进行统计 
    val result2 = socketMap.keyBy(_.sensorId).countWindow(5L,3L).sum("count") 
    result.print("result") 
    result2.print("result2") 
    env.execute() 
 
  } 
} 
case class CartInfo(var sensorId: String, var count: Int)

case class CartInfo(var sensorId: String, var count: Int)

4.3 会话窗口

测试数据

信号灯编号和通过该信号灯的车的数量 
9,3 
9,2 
9,7 
4,9 
2,6 
1,5 
2,3 
5,7 
5,4

设置会话超时时间为10s,10s内没有数据到来,则触发上个窗口的计算

package com.flink.source 
 
import org.apache.flink.api.common.functions.MapFunction 
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator 
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment 
import org.apache.flink.streaming.api.windowing.assigners.ProcessingTimeSessionWindows 
import org.apache.flink.streaming.api.windowing.time.Time 
 
  
/** 
 * @Package com.flink.source 
 * @File ：WindowDemo_SessionWindow.java 
 * @author 大数据老哥 
 * @date 2021/11/1 16:10 
 * @version V1.0 
 */ 
object WindowDemo_SessionWindow { 
  def main(args: Array[String]): Unit = { 
    val env = StreamExecutionEnvironment.getExecutionEnvironment 
 
    val socketData = env.socketTextStream("192.168.100.101", 9999) 
    val socketMap: SingleOutputStreamOperator[CartInfo] = socketData.map(new MapFunction[String, CartInfo]() { 
      override def map(t: String): CartInfo = { 
        val arr = t.split(",") 
        CartInfo(arr(0), arr(1).toInt) 
      } 
    }) 
    //设置会话超时时间为10s,10s内没有数据到来,则触发上个窗口的计算 
    val result = socketMap.keyBy(0) 
      .window(ProcessingTimeSessionWindows.withGap(Time.seconds(10))) 
      .sum("count") 
    result.print() 
    env.execute("winds") 
  } 
} 
 
 
case class CartInfo(var sensorId: String, var count: Int)

彻底搞清 Flink 中的 Window 机制

[[432700]]

一、 为什么需要Window

二、Window的分类

三、WindowAPI

四、WindowAPI调用案例示例

一、为什么需要Window