我尝试在apache flink中加入两个流以获得一些结果。
我的项目的当前状态是,我获取twitter数据并将其Map到一个2元组中,在该元组中保存用户的语言和定义的时间窗口中tweet的总和。我做这些都是为了每种语言的推文数量和每种语言的转发量。tweet/retweet聚合在其他进程中工作正常。
我现在想得到在一个时间窗口中,转发次数占所有tweet数量的百分比。
因此,我使用以下代码:
Time windowSize = Time.seconds(15);
// Sum up tweets per language
DataStream<Tuple2<String, Integer>> tweetsLangSum = tweets
.flatMap(new TweetLangFlatMap())
.keyBy(0)
.timeWindow(windowSize)
.sum(1);
// ---
// Get retweets out of all tweets per language
DataStream<Tuple2<String, Integer>> retweetsLangMap = tweets
.keyBy(new KeyByTweetPostId())
.flatMap(new RetweetLangFlatMap());
// Sum up retweets per language
DataStream<Tuple2<String, Integer>> retweetsLangSum = retweetsLangMap
.keyBy(0)
.timeWindow(windowSize)
.sum(1);
// ---
tweetsLangSum.join(retweetsLangSum)
.where(new KeySelector<Tuple2<String, Integer>, String>() {
@Override
public String getKey(Tuple2<String, Integer> tweet) throws Exception {
return tweet.f0;
}
})
.equalTo(new KeySelector<Tuple2<String, Integer>, String>() {
@Override
public String getKey(Tuple2<String, Integer> tweet) throws Exception {
return tweet.f0;
}
})
.window(TumblingEventTimeWindows.of(windowSize))
.apply(new JoinFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, Tuple4<String, Integer, Integer, Double>>() {
@Override
public Tuple4<String, Integer, Integer, Double> join(Tuple2<String, Integer> in1, Tuple2<String, Integer> in2) throws Exception {
String lang = in1.f0;
Double percentage = (double) in1.f1 / in2.f1;
return new Tuple4<>(in1.f0, in1.f1, in2.f1, percentage);
}
})
.print();
当我打印时 tweetsLangSum
或者 retweetsLangSum
产量似乎不错。我的问题是,我从未从连接中获得输出。有人知道为什么吗?或者我在聚合的第一步中使用的window函数在连接时是错误的吗?
1条答案
按热度按时间jfewjypa1#
这可能是由不同时间语义的混合造成的。这个
KeyedStream.timeWindow()
方法是一种快捷方式,它基于配置的时间特性创建窗口操作符,即,如果启用了事件时间,则创建事件时间窗口,否则创建处理时间窗口。对于连接,可以显式定义事件时间窗口。是否启用事件时间处理?