flink|flink windows窗口应用范例大数据|window|工作实践

概述：流式数据处理中，很多操作要依赖于时间属性进行，因此时间属性也是流式引擎能够保证准确处理数据的基石,window提供了一种处理无界数据的一种手段。flink的windows包含了很多的组件：例如出发器trigger,触发器上下文triggerContext，内部状态windowState。窗口分配器windowassigner，内部时间服务器internalTimerService。其中每个组件都是winows 完成功能不可缺失的一部分。具体每个组件的作用。
1.Time
在 Flink 的流式处理中，会涉及到时间的不同概念
Event Time: 是事件创建时间。他通常由事件中时间戳描述。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。
ingestion Time: 是事件进入flink的时间；
**Processing Time:**被算子处理时的时间。默认的时间属性就是Processing Time。
flink 官网经典例子：
文章图片

2、window概念： 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无限的数据集。而 Window 是一种切割无限数据集为有限块进行处理的手段。flink中我们可以将一个无界的数据流通过划分窗口，把某段时间的数据当作有界的数据流。然后对这部分有界数据流进行计算。（ Window是无限数据流处理的核心，Window 可以将一个无限的 stream 流拆分成有限大小的"buckets"）
3、window 窗口的划分： 1、windows 按照窗口驱动分为两类：
1）、CountWindow：按照指定的数据条数生成一个Window，与时间无关。（如美100个元素驱动）
2）.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：1.滚动窗口（Tumbling Window）无重叠、2.滑动窗口（Sliding Window）有重叠、3.会话窗口（Session Window）
window 的继承关系为参考：https://juejin.im/post/6844903721520857102

文章图片

具体的应用API

文章图片

具体滚动、滑动、session 窗口的概念参考：官网https://ci.apache.org/projects/flink/flink-docs-release-1.9/zh/dev/stream/operators/windows.html
2、按照window窗口的使用可以分为Keyed Windows 和Non-Keyed Windows。
两者之间唯一的区别是：使用KeyBy()分组一般需要我们接分组的 .window()函数。再不使用keyBy() 分组时候后面我们应用 .windowAll(); (windowAll 默认并行度为1，并且不可设置并行度)
1)、keyed windows（分組窗口）使用

stream .keyBy(...)<-keyed versus non-keyed windows .window(...)<-required: "assigner" [.trigger(...)]<-optional: "trigger" (else default trigger) [.evictor(...)]<-optional: "evictor" (else no evictor) [.allowedLateness(...)]<-optional: "lateness" (else zero) [.sideOutputLateData(...)] <-optional: "output tag" (else no side output for late data) .reduce/aggregate/fold/apply()<-required: "function" [.getSideOutput(...)]<-optional: "output tag"

2）、Non-Keyed Windows(未分组窗口)

stream .windowAll(...)<-required: "assigner" [.trigger(...)]<-optional: "trigger" (else default trigger) [.evictor(...)]<-optional: "evictor" (else no evictor) [.allowedLateness(...)]<-optional: "lateness" (else zero) [.sideOutputLateData(...)] <-optional: "output tag" (else no side output for late data) .reduce/aggregate/fold/apply()<-required: "function" [.getSideOutput(...)]<-optional: "output tag" In the above, the commands in square brackets ([…]) are optional. This reveals that Flink allows you to customize your windowing logic in many different ways so that it best fits your needs.

在上面，方括号（[…]）中的命令是可选的。这表明Flink允许您以多种不同方式自定义窗口逻辑，从而使其最适合您的需求。而其中聚合函数又分为增量聚合和全量聚合之分
【flink|flink windows窗口应用范例】window 增量聚合函数。
窗口的增量聚合函数，指的是窗口中每进入一条数据触发一次计算。具体函数包括了。
reduce(reduceFunction) 、aggregate（aggregateFunction）、sum() 、min()、 max() 函数等。（注意区分窗口触发的不同）

文章图片

窗口的全量聚合函数，指的是等窗口的数据对齐，才开始进行聚合计算（可以实现对窗口内的数据进行排序等需求）
如函数： apply(windowFunction) 、process(processWindowFunction)等
processWindowFunction比windowFunction提供了更多的上下文信息，里面可以定制性开发自己需要的东西。

文章图片

4、应用举例 1、简单window和 windowAll 应用

//1.Non-Keyed(未分组使用 windowAll()开启窗口) SingleOutputStreamOperator> mapOperatorStream = source.map(Integer::parseInt).map(num -> Tuple2.of(num, 1)).returns(Types.TUPLE(Types.INT, Types.INT)); mapOperatorStream .windowAll()//2.Keyed(已分组使用 window()开启窗口) KeyedStream, Tuple> keyedStream = mapOperator.keyBy(0); keyedStream.window();

2、countWindow 示例应用
按照countwindow 的使用，也可以分为 keyed 和non-keyed 两种情况。
1）、分组情况下使用
2）、未分组情况下使用
3）、还可以应用滑动窗口实现

public class CountWindowDemo {public static void main(String[] args) throws Exception{StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); DataStreamSource source = env.socketTextStream("localhost", 8888); SingleOutputStreamOperator> mapOperator = source.map(Integer::parseInt).map(num -> Tuple2.of(num, 1)).returns(Types.TUPLE(Types.INT, Types.INT)); //1.未分组,使用countWindowAll() AllWindowedStream, GlobalWindow> windowedStream = mapOperator.countWindowAll(5); //2.分组后，使用countWindow() //KeyedStream, Tuple> keyedStream = mapOperator.keyBy(0); //WindowedStream, Tuple, GlobalWindow> windowedStream = keyedStream.countWindow(5); SingleOutputStreamOperator> sum = windowedStream.sum(0); sum.print(); env.execute("CountWindowDemo"); } }

3、滚动窗口(Tumbling Window)示例
将数据依据固定的窗口长度，对数据进行切片。通常用来计算窗口滚动一次，在窗口中的数据。
滚动窗口(Tumbling Window)的使用，也分为 Keyed 和 Non-Keyed 两种情况：
1.分组情况下使用 timeWindow(Time size)；
2.未分组情况下使用 timeWindowAll(Time size)

public class TumblingWindowDemo {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); DataStreamSource source = env.socketTextStream("localhost", 8888); SingleOutputStreamOperator> mapOperator = source.map(Integer::parseInt).map(num -> Tuple2.of(num, 1)).returns(Types.TUPLE(Types.INT, Types.INT)); //1.未分组,使用timeWindowAll() AllWindowedStream, TimeWindow> windowedStream = mapOperator.timeWindowAll(Time.seconds(5)); //2.分组后，使用timeWindow() //KeyedStream, Tuple> keyedStream = mapOperator.keyBy(0); //WindowedStream, Tuple, TimeWindow> windowedStream = keyedStream.timeWindow(Time.seconds(5)); SingleOutputStreamOperator> sum = windowedStream.sum(0); sum.print(); env.execute("TumblingWindowDemo"); } }

注意：以下两种方式等价

AllWindowedStream, TimeWindow> windowedStream = mapOperator.timeWindowAll(Time.seconds(5)); AllWindowedStream, TimeWindow> windowedStream =mapOperator.windowAll(TumblingProcessingTimeWindows.of(Time.seconds(5)));

测试结果：
未分组：不管你输入多少条数据，都对其求和输出，5 秒滚动一次。如果在 5 秒之内未输入任何数据，则不输出
已分组：对分组中的数据 5 秒滚动一次。如果有多个分组，5秒之后，求和后同步输出所有分组数据。
4、滑动窗口(Sliding Window)示例
滑动窗口是固定窗口的更广义的一种形式，滑动窗口由1.固定的窗口长度和2.滑动步长组成。通常用来计算窗口中数据的变化趋势。（滑动步长越短，绘出的曲线图就更加的平滑，而不是突兀的）

滚动窗口(Sliding Window)的使用，也分为 Keyed 和 Non-Keyed 两种情况： 1.分组情况下使用 timeWindow(Time size,Time slide)； 2.未分组情况下使用 timeWindowAll(Time size,Time slide)

public class SlidingWindowDemo {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); DataStreamSource source = env.socketTextStream("localhost", 8888); SingleOutputStreamOperator> mapOperator = source.map(Integer::parseInt).map(num -> Tuple2.of(num, 1)).returns(Types.TUPLE(Types.INT, Types.INT)); //1.未分组,使用timeWindowAll() AllWindowedStream, TimeWindow> windowedStream = mapOperator.timeWindowAll(Time.seconds(10),Time.seconds(5)); //2.分组后，使用timeWindow() //KeyedStream, Tuple> keyedStream = mapOperator.keyBy(0); //WindowedStream, Tuple, TimeWindow> windowedStream = keyedStream.timeWindow(Time.seconds(10),Time.seconds(5)); SingleOutputStreamOperator> sum = windowedStream.sum(0); sum.print(); env.execute("SlidingWindowDemo"); } }

和滑动窗口同理：如下两种方式等价

AllWindowedStream, TimeWindow> windowedStream = mapOperator.timeWindowAll(Time.seconds(10),Time.seconds(5)); AllWindowedStream, TimeWindow> windowedStream = mapOperator.windowAll(SlidingProcessingTimeWindows.of(Time.seconds(10), Time.seconds(5)));

测试结果：
设置窗口长度为10s，5s滚动一次
未分组：根据输入的数据求和，开始滑动， 5s 输出一次
已分组：对分组中的数据 5 秒滑动一次。如果有多个分组，5秒之后，求和后同步输出所有分组数据。
5、会话窗口(Session Window)示例
由一系列事件组合一个指定时间长度的timeout 间隙组成。类似web应用session，**也就是一段时间没有接收到新的数据就会生成新的窗口。**通常用于尖酸两条数据之间的间隔，如果间隔大于指定时间。前面的数据就划分为一个Window.

会话窗口(Session Window)的使用，也分为 Keyed 和 Non-Keyed 两种情况： 1.分组情况下使用 window(ProcessingTimeSessionWindows.withGap(Time.seconds(5)))； 2.未分组情况下使用 windowAll(ProcessingTimeSessionWindows.withGap(Time.seconds(5)))

public class SessionWindowDemo {public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); DataStreamSource source = env.socketTextStream("localhost", 8888); SingleOutputStreamOperator> mapOperator = source.map(Integer::parseInt).map(num -> Tuple2.of(num, 1)).returns(Types.TUPLE(Types.INT, Types.INT)); //1.未分组,使用 windowAll() AllWindowedStream, TimeWindow> windowedStream = mapOperator.windowAll(ProcessingTimeSessionWindows.withGap(Time.seconds(5))); //2.分组后，使用 window() //KeyedStream, Tuple> keyedStream = mapOperator.keyBy(0); //WindowedStream, Tuple, TimeWindow> windowedStream = keyedStream.window(EventTimeSessionWindows.withGap(Time.seconds(5))); SingleOutputStreamOperator> sum = windowedStream.sum(0); sum.print(); env.execute("SessionWindowDemo"); } }

测试结果：
5s 内没有数据输入时（大于指定时间没有数据阈值），执行输出结果。
注意：如果争议支持忘提出，自己会及时分析并更正