flink 年份减1函数 flink timecharacteristic

时间语义

• 我们可以直接在代码中，对执行环境调用setStreamTimeCharacteristic方法,设置流的时间特性

val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
    //EventTime 事件发生事件
    //IngestionTime 事件进入Flink事件
    //ProcessingTime 事件处理事件
    //给env创建的每一个Stream追加时间特性
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

• 具体的时间，还需要从数据中提取时间戳(timestamp)

在 Flink的流式处理中， 绝大部分的业务都会使用 eventTime一般只在eventTime 无法使用时，才会被迫使用 ProcessingTime 或者 IngestionTime

乱序数据的影响

• 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
• 由于网络、分布式等原因，会导致乱序数据的产生
• 这就衍生出来一个问题，如上图所示，假设窗口为0-5，当接收到数据5时，就关闭的了窗口，那迟到的数据2、3，就会丢失，那怎么处理这种情况呢？所以就有了watermark机制

Watermark(水位线)

• 怎样避免乱序数据带来计算不正确?
• 遇到一个时间戳达到了窗口关闭时间，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

Watermark特点

• watermark 是一条特殊的数据记录
• 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.
• watermark与数据的时间戳相关

watermark的传递

• 上游通过广播的方式将watermark传递至下游，下游会有一个watermark的分区来接收多个并行子任务广播的watermark值

Watermark的使用

import Source.WaterSensor
import org.apache.flink.api.common.state._
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time

//定义带时间戳字段的样例类
case class WaterSensor(id:String,ts:Long,vc:Double)
object FlinkEventTime_wt {
  def main(args: Array[String]): Unit = {
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
    //为env创建的每一个Stream追加时间特性
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

	//从端口读取数据
    val dataStream: DataStream[String] = env.socketTextStream("192.168.**.**",7777)
	
	//将读取的数据转换成WaterSensor类型
    dataStream.map(x=>{
      val strings: Array[String] = x.split(",")
      WaterSensor(strings(0),strings(1).toLong,strings(2).toDouble)
    })
      //方式一(推荐)：数据密集时，可以使用周期性生成watermark
      .assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[WaterSensor](Time.seconds(3)) {//设置乱序延迟为3秒
      		//将处理过的数据提取出时间戳，乘以1000转成以毫秒的形式计数
      		override def extractTimestamp(t: WaterSensor): Long = t.ts*1000L
      })
      //方式二：分配升序时间戳，传入毫秒时间戳
      //.assignAscendingTimestamps(_.ts*1000L)
    
	//设置窗口为10秒并以及3秒的长度滑动
    val dataStream3: WindowedStream[(String, Double), String, TimeWindow] = dataStream2.map(x=>(x.id,x.vc)).keyBy(x=>x._1).timeWindow(Time.seconds(10),Time.seconds(3))

    //对window中的数据进行的处理
    val dataStream4: DataStream[(String, Double)] = dataStream3.reduce((x,y)=>(x._1,x._2+y._2))
    
    //输出window中的数据
    dataStream4.print("ev_wate_win")
    
    //启动
    env.execute("watermark")
  }
}