Flink中watermark主要解決保序問題. 而保序問題的根本原因是多個任務(wù)同時從流中并行處理數(shù)據(jù)，順序無法保證.
網(wǎng)站建設(shè)哪家好，找創(chuàng)新互聯(lián)建站！專注于網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、微信小程序開發(fā)、集團企業(yè)網(wǎng)站建設(shè)等服務(wù)項目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了柳城免費建站歡迎大家使用！
上游: 生成watermark
一般在WINDOW 操作之前生成WATERMARK, WATERMARK 有兩種:
AssignWithPeriodicWatermarks:
每隔N秒自動向流里注入一個WATERMARK 時間間隔由ExecutionConfig.setAutoWatermarkInterval 決定. 每次調(diào)用getCurrentWatermark 方法, 如果得到的WATERMARK 不為空并且比之前的大就注入流中 (emitWatermark)
參考 TimestampsAndPeriodicWatermarksOperator.processElement
AssignWithPunctuatedWatermarks:
基于事件向流里注入一個WATERMARK，每一個元素都有機會判斷是否生成一個WATERMARK. 如果得到的WATERMARK 不為空并且比之前的大就注入流中 (emitWatermark)
參考 TimestampsAndPunctuatedWatermarksOperator.processElement
每次生成WATERMARK將覆蓋流中已有的WATERMARK
下游: 處理watermark
StatusWatermarkValve 負責(zé)將不同Channel 的Watermark 對齊，再傳給pipeline 下游,對齊的概念是當(dāng)前Channel的Watermark時間大于所有Channel最小的Watermark時間
WindowOperator 的處理:
WindowOperator.processElement
實際觀察結(jié)果：
Window 觸發(fā)的條件
在 WindowOperator 中有兩個點會檢查窗口是否觸發(fā)，兩者的檢查條件有所不同
processElement 這是在新的流數(shù)據(jù)進入時觸發(fā)
檢查條件： watermark時間 >= 窗口最大時間 參見 EventTimeTrigger.onElement
如果窗口不能被觸發(fā)則調(diào)用InteralTimeService.registerEventTimeTimer 注冊一個定時器,以KEY+窗口最大時間為條件觸發(fā), 到一定時間后定時器會被自動銷毀. 時間為窗口最大時間+WindowOperator.allowedLateness WindowOperator.allowedLateness 可以通過 Stream.window(...).allowedLateness(...) 設(shè)置. 一般應(yīng)該略大于WatermarkGenerator 的 maxOutOfOrderness
WATERMARK和普通數(shù)據(jù)分開處理
如果一個元素來的過晚 element.getTimestamp + allowedLateness < currentWatermark
會有一個特殊的OutputTag 和正常的流數(shù)據(jù)區(qū)分開
參考 https://ci.apache.org/projects/flink/flink-docs-release-1.3/dev/stream/side_output.html
如果窗口來的過晚, window.maxTimestamp + allowedLateness < currentWatermark, 則窗口會被直接丟棄
Watermark 的問題：
默認的Watermark機制是數(shù)據(jù)驅(qū)動的，新的數(shù)據(jù)進入才會觸發(fā)水位上升, 而由于maxOutOfOrderness 的存在, watermark < 最大流數(shù)據(jù)時間 < 當(dāng)前窗口結(jié)束時間
根據(jù)之前的分析，最新的時間窗口總是不會被觸發(fā)，除非更新的數(shù)據(jù)進入再次提高水位到當(dāng)前窗口結(jié)束時間以后, 如果數(shù)據(jù)進入的頻率低或者沒有新的數(shù)據(jù)進入流，那最新的時間窗口被處理的延時會非常高甚至永遠不會被觸發(fā)，這在實時性要求高的流式系統(tǒng)是很致命的. 比如一個銀行系統(tǒng)，要做客戶賬號層面的保序，每個賬號的交易可能一天只有幾筆甚至一筆，如果我們在Window 處理的時候KEY BY 賬號就會引起上述問題. 我們可以考慮KEY BY的條件改為 HASH(賬號) 再取模，然后在窗口處理中再次根據(jù)賬號分組，這樣雖然處理復(fù)雜一些，但是保證了窗口中數(shù)據(jù)的頻次
另外一種方案是優(yōu)化WATERMARK生成的機制，如果一段時間后WATERMARK仍然沒有變化，那就將WATERMARK自動上漲一次到當(dāng)前窗口的結(jié)束時間，這樣保證窗口處理的延時有個上限
重慶分公司
重慶分公司
public abstract class AbstractWatermarkGenerator implements AssignerWithPeriodicWatermarks {
private static final long serialVersionUID = -2006930231735705083L;
private static final Logger logger = LoggerFactory.getLogger(AbstractWatermarkGenerator.class);
private final long maxOutOfOrderness; // 10 seconds
private long windowSize;
private long currentMaxTimestamp;
private long lastTimestamp = 0;
private long lastWatermarkChangeTime = 0;
private long windowPurgeTime = 0;
public AbstractWatermarkGenerator(long maxOutOfOrderness, long windowSize) {
this.maxOutOfOrderness = maxOutOfOrderness;
this.windowSize = windowSize;
}
public AbstractWatermarkGenerator() {
this(10000, 10000);
}
protected abstract long extractCurTimestamp(T element) throws Exception;
public long extractTimestamp(T element,
long previousElementTimestamp) {
try {
long curTimestamp = extractCurTimestamp(element);
lastWatermarkChangeTime = new Date().getTime();
currentMaxTimestamp = Math.max(curTimestamp, currentMaxTimestamp);
windowPurgeTime = Math.max(windowPurgeTime, getWindowExpireTime(currentMaxTimestamp));
if (logger.isDebugEnabled()) {
logger.debug("Extracting timestamp: {}", currentMaxTimestamp);
}
return curTimestamp;
} catch (Exception e) {
logger.error("Error extracting timestamp", e);
}
return 0;
}
protected long getWindowExpireTime(long currentMaxTimestamp) {
long windowStart = TimeWindow.getWindowStartWithOffset(currentMaxTimestamp, 0, windowSize);
long windowEnd = windowStart + windowSize;
return windowEnd + maxOutOfOrderness;
}
public Watermark getCurrentWatermark() {
long curTime = new Date().getTime();
if (currentMaxTimestamp > lastTimestamp) {
if (logger.isDebugEnabled()) {
logger.debug("Current max timestamp has been increased since last");
}
lastTimestamp = currentMaxTimestamp;
lastWatermarkChangeTime = curTime;
}
else {
long diff = windowPurgeTime - currentMaxTimestamp;
if (diff > 0 && curTime - lastWatermarkChangeTime > diff) {
if (logger.isDebugEnabled()) {
logger.debug("Increase current MaxTimestamp once");
}
currentMaxTimestamp = windowPurgeTime;
lastTimestamp = currentMaxTimestamp;
lastWatermarkChangeTime = curTime;
}
}
return new Watermark(currentMaxTimestamp - maxOutOfOrderness);
}
} 實際測試中發(fā)現(xiàn) WATERMARK是否觸發(fā)和算子的并發(fā)度和WATERMARK生成的位置有關(guān)
測試結(jié)果如下：
所以注意WINDOW算子之前最好避免讓下游算子的并發(fā)度超過上游算子，否則就把WATERMARK的生成盡量放到DAG的前端，這樣WATERMARK可以被傳遞到下游算子
