Flink时间窗口程序骨架结构

前言

Flink 作业的基本骨架结构包含三部分：创建执行环境、定义数据处理逻辑、提交并执行Flink作业。

日常大部分 Flink 作业是基于时间窗口计算模型的，同样的，开发一个Flink时间窗口作业也有一套基本的骨架结构，了解这套结构有助于我们更快地上手时间窗口作业开发。

窗口程序的基本骨架

一个Flink时间窗口作业的代码基本骨架如下所示：

stream.keyBy(...)               <-  仅 keyed 窗口需要.window(...)              <-  必填项："assigner"[.trigger(...)]            <-  可选项："trigger" (省略则使用默认 trigger)[.evictor(...)]            <-  可选项："evictor" (省略则不使用 evictor)[.allowedLateness(...)]    <-  可选项："lateness" (省略则为 0)[.sideOutputLateData(...)] <-  可选项："output tag" (省略则不对迟到数据使用 side output).reduce/aggregate/apply() <-  必填项："function"[.getSideOutput(...)]      <-  可选项："output tag"

时间窗口作业对数据逻辑的处理，主要包含以下步骤：

• 对数据流进行分组，将DataStream装换为KeyedStream
• 指定窗口分配器 WindowAssigner，将数据划分到对应的窗口
• 指定窗口触发器 Trigger，决定了窗口何时关闭并计算
• 指定窗口移除器 Evictor，它可以在窗口计算前后对窗口内的数据进行移除
• allowedLateness 允许迟到的数据，事件时间语义下，即使事件时钟到达窗口关闭时间，窗口仍会保留一段时间以等待迟到的数据
• sideOutputLateData 针对窗口关闭后到达的迟到数据，可以将其输出到另外一条数据流，对计算结果做修正
• ProcessFunction 窗口内数据的处理函数

时间窗口作业实战

了解了时间窗口作业的基本骨架，以及相关组件的作用，接下来就实战一把。

如下示例程序，数据源每秒会生成2个一百以内的随机数，然后数据经过 keyBy 算子分组，这里为了简单，数据全部划分为一组，KeySelector 统一返回 “all”。

分组后，窗口分配器将数据划分到对应的窗口。这里基于处理时间语义，统一分配10秒大小的时间窗口，时间窗口被Flink封装为 TimeWindow 对象，包含两个属性，分别是起始时间戳和结束时间戳。

一旦有数据进入窗口，Trigger#onElement 就会触发，返回值决定了Flink如何处理窗口。显然我们的逻辑是时间到达窗口的结束时间，窗口就会触发计算并关闭，所以我们会注册一个 ProcessingTime 事件，窗口结束时间一到，Trigger#onProcessingTime 就会触发，窗口就会开始计算。

窗口计算前，还需要经过移除器Evictor。它有两个方法，分别在窗口计算前和计算后调用，在这里你可以根据条件移除窗口内无须计算的数据。示例程序中，把小于10的数移除掉了。

最终，窗口内的数据会交给 ProcessWindowFunction 处理，窗口内的数据被Flink封装成迭代器Iterable，通过它可以获得所有窗口内的数据。示例程序 中，我们所有元素打印出来并求和。

public class TimeWindowStructure {public static void main(String[] args) throws Exception {StreamExecutionEnvironment environment = StreamExecutionEnvironment.getExecutionEnvironment();environment.addSource(new SourceFunction<Long>() {@Overridepublic void run(SourceContext<Long> sourceContext) throws Exception {while (true) {Threads.sleep(500);sourceContext.collect(ThreadLocalRandom.current().nextLong(100));}}@Overridepublic void cancel() {}}).keyBy(i -> "all")// 窗口分配器.window(new WindowAssigner<Long, TimeWindow>() {static final long WINDOW_SIZE = 10_000L;@Overridepublic Collection<TimeWindow> assignWindows(Long event, long timestamp, WindowAssignerContext windowAssignerContext) {// 把数据分配到对应的窗口，一条数据甚至可以分配到多个窗口// 这里根据处理时间 分配10秒大小的窗口final long processingTime = windowAssignerContext.getCurrentProcessingTime();long start = processingTime / WINDOW_SIZE * WINDOW_SIZE;long end = start + WINDOW_SIZE;return List.of(new TimeWindow(start, end));}@Overridepublic Trigger<Long, TimeWindow> getDefaultTrigger(StreamExecutionEnvironment streamExecutionEnvironment) {// 默认触发器，废弃了return null;}@Overridepublic TypeSerializer<TimeWindow> getWindowSerializer(ExecutionConfig executionConfig) {// 窗口序列化器return new TimeWindow.Serializer();}@Overridepublic boolean isEventTime() {// 是否基于事件时间语义return false;}})// 窗口触发器.trigger(new Trigger<Long, TimeWindow>() {private long max_register_processing_time = 0L;@Overridepublic TriggerResult onElement(Long element, long timestamp, TimeWindow timeWindow, TriggerContext triggerContext) throws Exception {// 每个元素进入窗口，都会触发该方法 返回结果决定了窗口是否计算或关闭// 我们是根据处理时间窗口结束时间来判断是否触发的，所以注册一个处理时间事件即可if (timeWindow.maxTimestamp() > max_register_processing_time) {max_register_processing_time = timeWindow.maxTimestamp();triggerContext.registerProcessingTimeTimer(max_register_processing_time);}return TriggerResult.CONTINUE;}@Overridepublic TriggerResult onProcessingTime(long l, TimeWindow timeWindow, TriggerContext triggerContext) throws Exception {// 窗口计算并清除数据return TriggerResult.FIRE_AND_PURGE;}@Overridepublic TriggerResult onEventTime(long l, TimeWindow timeWindow, TriggerContext triggerContext) throws Exception {return null;}@Overridepublic void clear(TimeWindow timeWindow, TriggerContext triggerContext) throws Exception {triggerContext.deleteProcessingTimeTimer(timeWindow.maxTimestamp());}})// 窗口移除器.evictor(new Evictor<Long, TimeWindow>() {@Overridepublic void evictBefore(Iterable<TimestampedValue<Long>> iterable, int i, TimeWindow timeWindow, EvictorContext evictorContext) {// 窗口计算前触发Iterator<TimestampedValue<Long>> iterator = iterable.iterator();while (iterator.hasNext()) {TimestampedValue<Long> next = iterator.next();Long value = next.getValue();if (value < 10) {iterator.remove();System.err.println("Evicted:" + value);}}}@Overridepublic void evictAfter(Iterable<TimestampedValue<Long>> iterable, int i, TimeWindow timeWindow, EvictorContext evictorContext) {// 窗口计算后触发}})// 因为是基于事件时间语义，不存在迟到数据，所以无须设置 allowedLateness、sideOutputLateData// 窗口处理函数.process(new ProcessWindowFunction<Long, String, String, TimeWindow>() {@Overridepublic void process(String group, ProcessWindowFunction<Long, String, String, TimeWindow>.Context context, Iterable<Long> iterable, Collector<String> collector) throws Exception {TimeWindow window = context.window();StringBuilder builder = new StringBuilder();builder.append("[" + window.getStart() + "-" + window.maxTimestamp() + "] elements:");Iterator<Long> iterator = iterable.iterator();Long sum = 0L;while (iterator.hasNext()) {Long value = iterator.next();sum += value;builder.append(value + " ");}builder.append(", sum:" + sum);System.err.println(builder.toString());}});environment.execute();}
}

运行Flink作业，控制台输出：

Evicted:3
Evicted:6
Evicted:1
[1722665800000-1722665809999] elements:89 17 16 57 94 47 67 98 , sum:485
Evicted:6
Evicted:4
[1722665810000-1722665819999] elements:86 50 71 95 36 10 55 43 96 36 28 87 89 50 53 35 63 95 , sum:1078
Evicted:4
Evicted:8
Evicted:0
[1722665820000-1722665829999] elements:85 20 42 86 46 20 32 45 91 59 57 64 31 67 78 71 28 , sum:922

尾巴

了解Flink时间窗口作业的基本骨架结构，理清Flink时间窗口的数据流转过程，有助于我们更快上手Flink时间窗口作业的开发。

Flink时间窗口作业包含的核心组件有：WindowAssigner、Window、Trigger、Evictor、ProcessWindowFunction。