标签：read 事件 ISE 执行 RoCE 分配 sock split text
一、基本概念
1.窗口分类
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（TumblingWindow）、滑动窗口（Sliding Window）和会话窗口（Session Window）。
2.时间分类
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。
二、案例演示
案例1：按Processing Time划分滚动时间窗口
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time
object WindowTest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val socketStream = env.socketTextStream("hadoop102",7777)
val dataStream: DataStream[SensorReading] = socketStream.map(d => {
val arr = d.split(",")
SensorReading(arr(0).trim, arr(1).trim.toLong, arr(2).toDouble)
})
//统计10秒内的最小温度
val minTemperatureStream = dataStream.map(data=>(data.id,data.temperature))
.keyBy(_._1)
.timeWindow(Time.seconds(10)) //10秒滚动窗口，不指定时间特性，默认为ProcessingTime
.reduce((data1, data2)=>(data1._1,data1._2.min(data2._2)))
//打印原始的dataStream
dataStream.print("data stream")
//打印窗口数据流
minTemperatureStream.print("min temperature")
env.execute("window test")
}
}
测试：
连续输入两条数据
[atguigu@hadoop102 ~]$ nc -lk 7777 sensor_1, 1547718200, 30.8 sensor_1, 1547718201, 40.8
在一个10秒的滚动窗口内，窗口流minTemperatureStream 只输出了一条数据。此时触发TimeWindow去计算的时机就是第一条数据来的10秒过后。
data stream> SensorReading(sensor_1,1547718200,30.8) data stream> SensorReading(sensor_1,1547718201,40.8) min temperature> (sensor_1,30.8)
案例2：带水位的滚动时间窗口
代码分析：
①通过env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)设定窗口的时间特性为事件时间。
②在assignTimestampsAndWatermarks()方法中，传递一个BoundedOutOfOrdernessTimestampExtractor类实现对象，构造器参数就是容忍的延迟时间，实现方法，指明时间戳用哪个字段。
object WindowTest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
val socketStream = env.socketTextStream("hadoop102",7777)
val dataStream: DataStream[SensorReading] = socketStream
.map(d => {
val arr = d.split(",")
SensorReading(arr(0).trim, arr(1).trim.toLong, arr(2).toDouble)
})
.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[SensorReading](Time.seconds(2)) {
override def extractTimestamp(t: SensorReading): Long = t.timestamp * 1000
})
//.assignAscendingTimestamps(_.timestamp) //升序数据添指定时间戳
//统计5秒内的最小温度
val minTemperatureStream = dataStream.map(data=>(data.id,data.temperature))
.keyBy(_._1)
.timeWindow(Time.seconds(5)) //5秒滚动窗口
.reduce((data1, data2)=>(data1._1,data1._2.min(data2._2)))
//打印原始的dataStream
dataStream.print("data stream")
//打印窗口数据流
minTemperatureStream.print("min temperature")
env.execute("window test")
}
}
测试：
当输入第一条数据时，时间戳是1547718200（单位秒），因为窗口的长度为5，所以理论上当时间戳为1547718205的数据来后，窗口会打印输出，但是由于设定了延迟2秒，所以此时水位才到1547718203，所以只有当时间戳为1547718207或之后的数据到来，水位线涨到大于等于1547718205时，窗口才会触发计算并关闭。
sockt输入数据如下
[atguigu@hadoop102 ~]$ nc -lk 7777 sensor_1, 1547718200, 30.8 sensor_1, 1547718201, 31 sensor_1, 1547718202, 32 sensor_1, 1547718203, 33 sensor_1, 1547718204, 34 sensor_1, 1547718205, 35 sensor_1, 1547718206, 36 sensor_1, 1547718207, 37 sensor_1, 1547718208,38
控制台打印如下：
data stream> SensorReading(sensor_1,1547718200,30.8) data stream> SensorReading(sensor_1,1547718201,31.0) data stream> SensorReading(sensor_1,1547718202,32.0) data stream> SensorReading(sensor_1,1547718203,33.0) data stream> SensorReading(sensor_1,1547718204,34.0) data stream> SensorReading(sensor_1,1547718205,35.0) data stream> SensorReading(sensor_1,1547718206,36.0) data stream> SensorReading(sensor_1,1547718207,37.0) min temperature> (sensor_1,30.8) data stream> SensorReading(sensor_1,1547718208,38.0)
案例3：滑动时间窗口
滑动窗口和滚动窗口特性类似，滚动窗口可以看作一种特殊的滑动窗口，其窗口长度与滑动长度一样。在.timeWindow(Time.seconds(10),Time.seconds(5)) 方法中，设定了窗口的长度为10，滑动长度为5。窗口长度决定了窗口计算的数据的范围有多大，而滑动长度决定了窗口计算并关闭的时机。
//统计10秒内的最小温度，5秒输出一次 val minTemperatureStream = dataStream.map(data=>(data.id,data.temperature)) .keyBy(_._1) .timeWindow(Time.seconds(10),Time.seconds(5)) //滑动窗口 .reduce((data1, data2)=>(data1._1,data1._2.min(data2._2)))
标签：read 事件 ISE 执行 RoCE 分配 sock split text
原文地址：https://www.cnblogs.com/noyouth/p/12798322.html
