题记部分
一、时间语义
Flink中的时间语义分为以下,
(1)Event Time:事件创建的时间
(2)Ingestion Time:数据进入Flink的时间
(3)Processing Time:执行操作算子的本地系统事件,与机器相关
哪种时间语义更重要?
- 不同的时间语义有不同的应用场合,我们往往更关心事件时间(Event Time)
- 某些场合,不应该使用Processing Time
- Event Time可以从日志数据的时间戳(timestamp)中提取
2017-11-02 18:37:15.624 INFO Fail over to rm
1.1、设置Event Time
可以直接在代码中,对执行环境调用setStreamTimeCharacteristic方法,设置流的时间特性
具体的时间,还需要从数据中提取时间戳(timestamp)
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
1.2、乱序数据的影响
(1)当Flink以Event Time模式处理数据流时,它会根据数据里的时间戳来处理基于时间的算子
(2)由于网络、分布式等原因,会导致乱序数据的产生
(3)乱序数据会让窗口计算不准确
二、Watermark(水位线)
(1)怎样避免乱序数据带来计算不正确?
(2)遇到一个时间戳达到了窗口关闭窗口,不应该立刻触发窗口计算,而是等待一段时间,等迟到的数据来了再关闭窗口
Watermark是一种衡量Event Time进展的机制,可以设定延迟触发
Watermark是用于处理乱序事件的,而正确的处理乱序事件,通常用Watermark机制结合window来实现。
数据流中的Watermark用于表示timestamp小于Watermark的数据都已经到达了,因此,window的执行也是由Watermark触发的。
watermark用来让程序自己平衡延迟和结果正确性。
2.1、Watermark的特点
(1)watermark是一条特殊的数据记录
(2)watermark必须单调递增,以确保任务的事件时间时钟在向前推进,而不是在后退
(3)watermark与数据的时间戳相关
2.2、watermark的传递
2.3、watermark的引入
Event Time的使用一定要指定数据源中的时间戳
调用.assignTimestampsAndWatermarks()
方法,传入一个BoundedOutOfOrdernessTimestampExtractor
,就可以指定watermark
dataStream.assignTimestampsAndWatermarks(
new BoundedOutOfOrdernessTimestampExtractor[SensorReading]
(Time.milliseconds(1000)){
override def extractTimestamp(element: SensorReading): Long = {
element.timestamp * 1000
}
}
)
对于排好序的数据,不需要延迟触发,可以只指定时间戳就行了
dataStream.assignAscendingTimestamps(_.timestmap * 1000)
Flink暴露了TimestampAssigner接口供我们实现,使我们可以自定义如何从事件数据中抽取时间戳和生成watermark
dataStream.assignTimestampsAndWatermarks(new MyAssigner())
MyAssigner可以有两种类型,都继承自TimestampAssigner
2.4、TimestampAssigner
定义了抽取时间戳,以及生成watermark的方法,有两种类型,
(1)AssignerWithPeriodicWatermarks
① 周期性的生成watermark:系统会周期性的将watermark插入到流中
② 默认周期是200毫秒,可以使用ExecutionConfig.setAutoWatermarkInterval()
方法进行设置
③ 升序和前面乱序的处理BounderOutOfOrderness
,都是基于周期性watermark的
(2)AssignerWithPunctuatedWatermarks:没有时间周期规律,可打断生成watermark
2.5、watermark的设定
在Flink中,watermark由应用程序开发人员生成,这通常需要对相应的领域有一定的了解。如果watermark设置的延迟太久,收到结果的速度可能就会很慢,解决办法是在水位线到达之前输出一个近似结果。而如果watermark到达太早,则可能收到错误结果,不过Flink处理延迟数据的机制可以解决这个问题。
— 业精于勤荒于嬉,行成于思毁于随 —
标签:05,Flink,watermark,时间,Watermark,Time,乱序 From: https://www.cnblogs.com/houhuilinblogs/p/18252607