Flink中的时间语义与WaterMark水印

1.Flink中的时间语义

在Flink的流式操作中, 会涉及不同的时间概念

Event Time 事件自身发生的时间
Processing Time 事件被处理时机器的系统时间
Ingrestion Time 事件进入Flink的时间

1-1.处理时间-process time

处理时间是指的执行操作的各个设备的时间
对于运行在处理时间上的流程序，所有的基于时间的操作(比如时间窗口)都是使用的设备时钟。例如一个长度为1个小时的窗口将会包含设备时钟表示的1个小时内所有的数据。假设应用程序在 9:15am分启动，第1个小时窗口将会包含9:15am到10:00am所有的数据，然后下个窗口是10:00am-11:00am，以此类推。
处理时间是最简单时间语义，数据流和设备之间不需要做任何的协调。他提供了最好的性能和最低的延迟。但在分布式和异步的环境下，处理时间没有办法保证确定性，容易受到数据传递速度的影响: 事件的延迟和乱序。
在使用窗口的时候，如果使用处理时间，就指定时间分配器为处理时间分配器

1-2.事件时间(event time)

事件时间是指的这个事件发生的时间.
在event进入Flink之前，通常被嵌入到了event中，一般作为这个event的时间戳存在。
在事件时间体系中，时间的进度依赖于数据本身，和任何设备的时间无关。事件时间程序必须制定如何产生Event Time Watermarks(水印)。在事件时间体系中，水印是表示时间进度的标志(作用就相当于现实时间的时钟)。
在理想情况下，不管事件时间何时到达或者他们的到达的顺序如何，事件时间处理将产生完全一致且确定的结果。事件时间处理会在等待无序事件(迟到事件)时产生一定的延迟。由于只能等待有限的时间，因此这限制了确定性事件时间应用程序的可使用性。
假设所有数据都已到达，事件时间操作将按预期方式运行，即使在处理无序或迟到的事件或重新处理历史数据时，也会产生正确且一致的结果。例如，每小时事件时间窗口将包含带有事件时间戳的所有记录，该记录落入该小时，无论它们到达的顺序或处理时间。
在使用窗口的时候，如果使用事件时间，就指定时间分配器为事件时间分配器。

2.Flink中的WaterMark水印

支持event time的流式处理框架需要一种能够测量event time 进度的方式。比如一个窗口算子创建了一个长度为1小时的窗口，那么这个算子需要知道事件时间已经到达了这个窗口的关闭时间，从而在程序中去关闭这个窗口。

事件时间可以不依赖处理时间来表示时间的进度。例如在程序中, 即使处理时间和事件时间有相同的速度，事件时间可能会轻微的落后处理时间。另外一方面，使用事件时间可以在几秒内处理已经缓存在Kafka中多周的数据，这些数据可以照样被正确处理，就像实时发生的一样能够进入正确的窗口。

这种在Flink中去测量事件时间的进度的机制就是 watermark(水印)。watermark作为数据流的一部分在流动，并且携带一个时间戳。

一个Watermark(t)表示在这个流里面事件时间已经到了时间t，意味着此时，流中不应该存在这样的数据: 他的时间戳t2<=t (时间比较旧或者等于时间戳)。

2-1.有序流中的水印

在下图中，事件是有序的，watermark是流中一个简单的周期性的标记

2-2.乱序流中的水印

在下图中，按照他们时间戳来看，这些事件是乱序的，则watermark对于这些乱序的流来说至关重要。
通常情况下，水印是一种标记，是流中的一个点，所有在这个时间戳(水印中的时间戳)前的数据应该已经全部到达。一旦水印到达了算子，则这个算子会提高他内部的时钟的值为这个水印的值。

2-3.Flink中如何产生水印

在 Flink 中，水印由应用程序开发人员生成，这通常需要对相应的领域有一定的了解。完美的水印永远不会错：时间戳小于水印标记时间的事件不会再出现。在特殊情况下（例如非乱序事件流），最近一次事件的时间戳就可能是完美的水印。
启发式水印则相反，它只估计时间，因此有可能出错，即迟到的事件（其时间戳小于水印标记时间）晚于水印出现。针对启发式水印，Flink 提供了处理迟到元素的机制。
设定水印通常需要用到领域知识。举例来说，如果知道事件的迟到时间不会超过 5 秒，就可以将水印标记时间设为收到的最大时间戳减去 5 秒。另一种做法是，采用一个 Flink 作业监控事件流，学习事件的迟到规律，并以此构建水印生成模型。

3.自定义WatermarkStrategy使用示例

3-1.周期性-periodic

代码示例：

package com.zenitera.bigdata.watermark;

import com.zenitera.bigdata.bean.WaterSensor;
import com.zenitera.bigdata.util.BigdataUtil;
import org.apache.flink.api.common.eventtime.*;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

import java.util.List;

public class Flink01_Watermark_01 {
    
    
    public static void main(String[] args) {
    
    
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 2000);
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(conf);
        env.setParallelism(1);
        env.getConfig().setAutoWatermarkInterval(2000);

        env
                .socketTextStream("localhost", 6666)
                .map(line -> {
    
    
                    String[] data = line.split(",");
                    return new WaterSensor(
                            String.valueOf(data[0]),
                            Long.valueOf(data[1]),
                            Integer.valueOf(data[2])
                    );
                })
                .assignTimestampsAndWatermarks(new WatermarkStrategy<WaterSensor>() {
    
    
                            @Override
                            public WatermarkGenerator<WaterSensor> createWatermarkGenerator(WatermarkGeneratorSupplier.Context context) {
    
    
                                return new NewWaterMark();
                            }
                        }
                                .withTimestampAssigner((ele, ts) -> ele.getTs())
                )
                .keyBy(WaterSensor::getId)
                .window(TumblingEventTimeWindows.of(Time.seconds(5)))
                .process(new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
    
    
                    @Override
                    public void process(String key,
                                        Context ctx,
                                        Iterable<WaterSensor> elements,
                                        Collector<String> out) throws Exception {
    
    
                        List<WaterSensor> list = BigdataUtil.toList(elements);
                        String stt = BigdataUtil.toDateTime(ctx.window().getStart());
                        String edt = BigdataUtil.toDateTime(ctx.window().getEnd());

                        out.collect(key + " " + stt + " " + edt + " " + list);
                    }
                })
                .print();

        try {
    
    
            env.execute();
        } catch (Exception e) {
    
    
            e.printStackTrace();
        }


    }

    public static class NewWaterMark implements WatermarkGenerator<WaterSensor> {
    
    
        long maxTs = Long.MIN_VALUE + 3000 + 1;

        // 每来一条数据执行一次
        @Override
        public void onEvent(WaterSensor event, long eventTimestamp, WatermarkOutput output) {
    
    
            System.out.println("执行了-onEvent");
            maxTs = Math.max(maxTs, eventTimestamp);
            output.emitWatermark(new Watermark(maxTs - 3000));

        }

        // 周期性的值: 200ms执行一次
        @Override
        public void onPeriodicEmit(WatermarkOutput output) {
    
    
            System.out.println("执行了-onPeriodicEmit");
            output.emitWatermark(new Watermark(maxTs - 3000));

        }
    }
    
}

3-2.间歇性-punctuated

代码示例：

package com.zenitera.bigdata.watermark;

import com.zenitera.bigdata.bean.WaterSensor;
import com.zenitera.bigdata.util.BigdataUtil;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

import java.time.Duration;
import java.util.List;

public class Flink01_Watermark_02 {
    
    
    public static void main(String[] args) {
    
    
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 2000);
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(conf);
        env.setParallelism(1);

        env.getConfig().setAutoWatermarkInterval(2000);

        env
                .socketTextStream("localhost", 6666)
                .map(line -> {
    
    
                            String[] data = line.split(",");
                            return new WaterSensor(
                                    String.valueOf(data[0]),
                                    Long.valueOf(data[1]),
                                    Integer.valueOf(data[2])
                            );
                        }
                )
                .assignTimestampsAndWatermarks(
                        WatermarkStrategy
                                .<WaterSensor>forBoundedOutOfOrderness(Duration.ofSeconds(3))
                                .withTimestampAssigner((ele, ts) -> ele.getTs())
                                // 当某个并行度水印超过5s没有更新, 则以其此为准
                                .withIdleness(Duration.ofSeconds(5))
                )
                .keyBy(WaterSensor::getId)
                .window(TumblingEventTimeWindows.of(Time.seconds(5)))
                .process(new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
    
    
                    @Override
                    public void process(String key,
                                        Context ctx,
                                        Iterable<WaterSensor> elements,
                                        Collector<String> out) throws Exception {
    
    
                        List<WaterSensor> list = BigdataUtil.toList(elements);
                        String stt = BigdataUtil.toDateTime(ctx.window().getStart());
                        String edt = BigdataUtil.toDateTime(ctx.window().getEnd());

                        out.collect(key + " " + stt + " " + edt + " " + list);

                    }
                })
                .print();

        try {
    
    
            env.execute();
        } catch (Exception e) {
    
    
            e.printStackTrace();
        }

    }
}

4.多并行度下WaterMark的传递

多并行度的条件下，向下游传递WaterMark的时候，总是以最小的那个WaterMark为准。

5.窗口允许迟到的数据

已经添加了wartemark之后，但仍有数据会迟到的情况发生，Flink的窗口，也允许迟到数据。
当触发了窗口计算后，会先计算当前的结果，但是此时并不会关闭窗口。以后每来一条迟到数据，则触发一次这条数据所在窗口计算(增量计算)。
那么什么时候会真正的关闭窗口呢? wartermark 超过了窗口结束时间+等待时间。
.window(TumblingEventTimeWindows.of(Time.seconds(5)))
.allowedLateness(Time.seconds(3))
注意: 允许迟到只能运用在Event time上

代码示例：

package com.zenitera.bigdata.watermark;

import com.zenitera.bigdata.bean.WaterSensor;
import com.zenitera.bigdata.util.BigdataUtil;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

import java.time.Duration;
import java.util.List;

public class Flink01_Watermark_03 {
    
    
    public static void main(String[] args) {
    
    
        Configuration conf = new Configuration();
        conf.setInteger("rest.port", 2000);
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(conf);
        env.setParallelism(1);

        env.getConfig().setAutoWatermarkInterval(2000);


        env
                .socketTextStream("localhosst", 6666)
                .map(line -> {
    
    
                    String[] data = line.split(",");
                    return new WaterSensor(
                            data[0],
                            Long.valueOf(data[1]),
                            Integer.valueOf(data[2])
                    );
                })
                .assignTimestampsAndWatermarks(
                        WatermarkStrategy
                                .<WaterSensor>forBoundedOutOfOrderness(Duration.ofSeconds(3))
                                .withTimestampAssigner((ele, ts) -> ele.getTs())
                )
                .keyBy(WaterSensor::getId)
                .window(TumblingEventTimeWindows.of(Time.seconds(5)))
                // 允许迟到: 当到了窗口的关闭时间,先对窗口内的元素做计算,窗口不管. 过2s后窗口真正的关闭
                .allowedLateness(Time.seconds(2))
                .process(new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
    
    
                    // 在允许迟到期间, 每来一个属于这个窗口的元素, 这个方法就会执行
                    @Override
                    public void process(String key,
                                        Context ctx,
                                        Iterable<WaterSensor> elements,
                                        Collector<String> out) throws Exception {
    
    
                        List<WaterSensor> list = BigdataUtil.toList(elements);
                        String stt = BigdataUtil.toDateTime(ctx.window().getStart());
                        String edt = BigdataUtil.toDateTime(ctx.window().getEnd());

                        out.collect(key + " " + stt + " " + edt + " " + list);

                    }
                })
                .print();


        try {
    
    
            env.execute();
        } catch (Exception e) {
    
    
            e.printStackTrace();
        }
    }
    
}