flinkTime与Window入门详解
Time
在Flink的流式处理中,会涉及到时间的不同概念,如下图所示:
Event Time
:是事件创建的时间。它通常由事件中的时间戳描述,例如采集的日志数据中,每一条日志都会记录自己的生成时间,Flink
通过时间戳分配器
访问事件时间戳。
Ingestion Time
:是数据进入Flink
的时间。
Processing Time
:是每一个执行基于时间操作的算子的本地系统时间,与机器相关,默认的时间属性就是Processing Time
。
一个例子——电影《星球大战》:
例如,一条日志进入Flink
的时间为2017-11-12 10:00:00.123
,到达Window
的系统时间为2017-11-12 10:00:01.234
,日志的内容如下:
2017-11-02 18:37:15.624 INFO Fail over to rm2
对于业务来说,要统计1min内的故障日志个数,哪个时间是最有意义的?—— eventTime
,因为我们要根据日志的生成时间进行统计。
Window
Window概述
streaming流式计算
是一种被设计用于处理无限数据集的数据处理引擎,而无限数据集是指一种不断增长的本质上无限的数据集,而window
是一种切割无限数据为有限块进行处理的手段。
Window
是无限数据流处理的核心,Window
将一个无限的stream拆分成有限大小的”buckets
”桶,我们可以在这些桶上做计算操作。
Window类型
Window
可以分成两类:
CountWindow
:按照指定的数据条数生成一个Window
,与时间无关。
TimeWindow
:按照时间生成Window
。
对于TimeWindow
,可以根据窗口实现原理的不同分成三类:滚动窗口(Tumbling Window
)、滑动窗口(Sliding Window
)和会话窗口(Session Window
)。
1. 滚动窗口(Tumbling Windows)
将数据依据固定的窗口长度
对数据进行切片。
特点:时间对齐,窗口长度固定,没有重叠。
滚动窗口分配器将每个元素分配到一个指定窗口大小的窗口中,滚动窗口有一个固定的大小,并且不会出现重叠。例如:如果你指定了一个5分钟大小的滚动窗口,窗口的创建如下图所示:
适用场景:适合做BI统计
等(做每个时间段的聚合计算)。
2. 滑动窗口(Sliding Windows)
滑动窗口是固定窗口的更广义的一种形式,滑动窗口
由固定的窗口长度
和滑动间隔
组成。
特点:时间对齐,窗口长度固定,有重叠。
滑动窗口分配器将元素分配到固定长度的窗口中,与滚动窗口类似,窗口的大小由窗口大小参数来配置,另一个窗口滑动参数控制滑动窗口开始的频率。因此,滑动窗口如果滑动参数小于窗口大小的话,窗口是可以重叠的,在这种情况下元素会被分配到多个窗口中。
例如,你有10分钟的窗口和5分钟的滑动,那么每个窗口中5分钟的窗口里包含着上个10分钟产生的数据,如下图所示:
适用场景:对最近一个时间段内的统计
(求某接口最近5min的失败率来决定是否要报警)。
3. 会话窗口(Session Windows)
由一系列事件
组合一个指定时间长度的timeout
间隙组成,类似于web应用的session
,也就是一段时间没有接收到新数据就会生成新的窗口。
特点:时间无对齐。
session窗口
分配器通过session
活动来对元素进行分组,session窗口跟滚动窗口和滑动窗口相比,不会有重叠和固定的开始时间和结束时间的情况,相反,当它在一个固定的时间周期内不再收到元素,即非活动间隔产生,那个这个窗口就会关闭。一个session
窗口通过一个session间隔
来配置,这个session间隔定义了非活跃周期的长度,当这个非活跃周期产生,那么当前的session将关闭并且后续的元素将被分配到新的session窗口中去。
Window API
TimeWindow
TimeWindow
是将指定时间范围内的所有数据组成一个window
,一次对一个window
里面的所有数据进行计算。
1. 滚动窗口
Flink
默认的时间窗口根据Processing Time
进行窗口的划分,将Flink
获取到的数据根据进入Flink
的时间划分到不同的窗口中。
时间间隔可以通过Time.milliseconds(x)
,Time.seconds(x)
,Time.minutes(x)
等其中的一个来指定。
案例
import org.apache.flink.streaming.api.scala.{DataStream, StreamExecutionEnvironment}
import org.apache.flink.streaming.api.windowing.time.Timeobject StreamWordCount {def main(args: Array[String]): Unit = {val host = "192.168.xx.1x1"val port = 9000// 创建流处理环境val env = StreamExecutionEnvironment.getExecutionEnvironment// 接收socket文本流val textDstream: DataStream[String] = env.socketTextStream(host, port)// flatMap和Map需要引用的隐式转换import org.apache.flink.api.scala._val value: DataStream[(String, Int)] = textDstream.flatMap(_.split("\\s")).filter((_.nonEmpty)).map((_, 1)).keyBy(0)//设置滚动窗口大小.timeWindow(Time.seconds(15)).sum(1)value.print().setParallelism(1)env.execute("Socket WordCountTest")}
}
2. 滑动窗口(SlidingEventTimeWindows)
滑动窗口
和滚动窗口
的函数名是完全一致的,只是在传参数时需要传入两个参数,一个是window_size
,一个是sliding_size
。
下面代码中的sliding_size
设置为了5s
,也就是说,窗口每5s
就计算一次,每一次计算的window
范围是15s
内的所有元素。
val value: DataStream[(String, Int)] = textDstream.flatMap(_.split("\\s")).filter((_.nonEmpty)).map((_, 1)).keyBy(0).timeWindow(Time.seconds(15),Time.seconds(5)).sum(1)
CountWindow
CountWindow
根据窗口中相同key
元素的数量来触发执行,执行时只计算元素数量达到窗口大小的key
对应的结果。
注意:CountWindow
的window_size
指的是相同Key
的元素的个数,不是输入的所有元素的总数。
1 滚动窗口
默认的CountWindow
是一个滚动窗口,只需要指定窗口大小即可,当元素数量达到窗口大小时,就会触发窗口的执行。
val value: DataStream[(String, Int)] = textDstream.flatMap(_.split("\\s")).filter((_.nonEmpty)).map((_, 1)).keyBy(0).countWindow(5).sum(1)
2 滑动窗口
滑动窗口
和滚动窗口
的函数名是完全一致的,只是在传参数时需要传入两个参数,一个是window_size
,一个是sliding_size
。
下面代码中的sliding_size
设置为了2,也就是说,每收到两个相同key的数据就计算一次,每一次计算的window
范围是5个元素。
val value: DataStream[(String, Int)] = textDstream.flatMap(_.split("\\s")).filter((_.nonEmpty)).map((_, 1)).keyBy(0).countWindow(5,2).sum(1)value.print().setParallelism(1)
总结
- 相比
spark
,flink
多了CountWindow
,可以依据相同key
元素的数量来触发执行,这个有什么用呢?
flinkTime与Window入门详解相关推荐
- python语言入门详解-python初级教程:入门详解
python初级教程:入门详解 Crifan Li 目录 前言 .................................................................... ...
- FFmpeg入门详解之121:颜色空间转换RGB和YUV的原理与实战
5.颜色空间转换RGB和YUV的原理与实战 三种颜色空间模型:RGB.YUV.HSV 一.概述 颜色通常用三个独立的属性来描述,三个独立变量综合作用,自然就构成一个空间坐标,这就是颜色空间. 但被描述 ...
- C#语言入门详解笔记(5)—P10、P11、P12 操作符详解_1_2_3
C#语言入门详解_哔哩哔哩_bilibiliC#语言入门详解搬运,随youtube上进度更新.刘老师的C#视频教程到30集就告一段落了,感谢刘老师在这5年间的付出.能上youtube的同学可以去刘老师 ...
- linux 日志按大小切割_nginx入门详解(六)- 日志切割
上一章讲解了nginx的目录加密功能,本章重点介绍nginx的日志切割. 笨办法学linux:nginx入门详解(五)- 目录加密zhuanlan.zhihu.com 在第二章,我们探讨了nginx ...
- window.open详解
1 window.open详解window.open详解window.open详解 http://www.faq120.com/read.php?tid-356.html <SCRIPT&g ...
- python怎么安装myqr模块-python二维码操作:对QRCode和MyQR入门详解
python是所有编程语言中模块最丰富的 生活中常见的二维码功能在使用python第三方库来生成十分容易 三个大矩形是定位图案,用于标记二维码的大小.这三个定位图案有白边,通过这三个矩形就可以标识一个 ...
- python语言编程基础-Python语言入门详解!快速学成Python!
原标题:Python语言入门详解!快速学成Python! 很多技能是被职场所需要的,但很可惜... 这些技能在大学中并学习不到. 大学和职场现实存在的横沟对大部分同学来说难以跨越或碰得头破血流... ...
- python语言入门m-Python语言入门详解!快速学成Python!
今日主题 "Python语言入门详解" 近两年来,Python语言借着数据科学和人工智能的"东风"成为了最流行的编程语言--街头巷尾人们口口相传.同时,Pyth ...
- 【GCN】图卷积网络(GCN)入门详解
机器学习算法与自然语言处理出品 @公众号原创专栏作者 Don.hub 单位 | 京东算法工程师 学校 | 帝国理工大学 图卷积网络(GCN)入门详解 什么是GCN GCN 概述 模型定义 数学推导 G ...
最新文章
- linux提取字符串特定结果
- Codeforces 550D. Regular Bridge 构造
- 架构、框架和设计模式关系
- fir c语言程序,fir.rar fir的c语言程序 - 下载 - 搜珍网
- 唯品会回应“不正当竞争行为”:接受处罚 进行全面整改
- maya python api_[转载]maya python api 学习笔记
- 数据分析中会常犯哪些错误,如何解决? 五
- python-opencv2利用 cv2.findContours()函数来查找检测物体的轮廓
- 网页打开QQ链接,进行临时会话
- 关于计算机应用梦想作文,我为梦想而努力700字作文,为梦想而奋斗作文800字
- 在线绘制2维/3维函数图像、求导网站
- 2019数学建模国赛C题
- 讨教平台吉祥物征集结果揭晓-C位正式出道
- STM32之独立看门狗
- 关于Echarts折线图双Y轴网格的一些配置
- PatchWork组织Herbminister行动武器库大揭秘
- linux 安装ath9k_htc驱动
- HDU 3629-Convex找凸四边形个数(扫描+二分/two pointers)
- 服务器1075错误服务修复,错误1075:依存服务不存在,或已标记为删除
- Affiliate实战记录之一:CPI、CPA、CPM...名词解释
热门文章
- 计算机网络相关知识、名词总结
- linux 内存管理_真香!Linux 原来是这么管理内存的
- windows搭建ABD环境 搭建ADB开发环境
- Qt使用Qtxlsx读写xlsx文件
- linux nfs限制连接数,linux – 对NFS有一个有效的稳定性参数吗?
- java循环树_for循环输出树木的形状【java】
- byte数组转double_java数组(不同类型的初始值)
- python程序怎样在手机上_python手机文件怎么上传至电脑?
- pandas处理mysql 展现wpf_Pandas DataFrame使用多列聚合函数
- 2Y叔的clusterProfiler-book阅读Chapter 2 Functional Enrichment Analysis Methods