使用flink窗口和折叠函数,缺少元素?

lokaqttq  于 2021-06-25  发布在  Flink
关注(0)|答案(1)|浏览(464)

当我尝试使用window和fold函数聚合元素时,聚合过程中遗漏了一些元素。消费Kafka的元素 (value:0, value:1, value:2, value:3) 将它们聚合为奇数和偶数。
输出为:

{even=[0, 2, 4], odd=[1, 3]}
{even=[6, 8], odd=[5, 7, 9]}
{even=[14, 16, 18], odd=[15, 17]}
{even=[20, 22], odd=[19, 21, 23]}
{even=[24, 26, 28], odd=[25, 27]}

10-13之间的数字缺失,这是随机数集的情况。有人能建议一下下面的代码遗漏了什么,我如何确保处理所有元素?

public static class Splitter implements FlatMapFunction<String, 
    Tuple3<String, String, List<String>>{
    private static final long serialVersionUID = 1L;

    @Override
    public void flatMap(String value, Collector<Tuple3<String, String, 
        List<String>>out) throws Exception {
        String[] vals = value.split(":");

        if(vals.length 1 && Integer.parseInt(vals[1]) % 2 == 0){
            out.collect(new Tuple3<String, String, List<String>>
             ("test","even", Arrays.asList(vals[1])));
        }else{
            out.collect(new Tuple3<String, String, List<String>>
            ("test","odd", Arrays.asList(vals[1])));
        }
    }
}

    DataStream<Map<String, List<String>>streamValue = 
    kafkaStream.flatMap(new Splitter()).keyBy(0)
    .window(TumblingEventTimeWindows.of(Time.milliseconds(3000))).
    trigger(CustomizedCountTrigger.of(5L))//.trigger(CountTrigger.of(2))
    .fold(new HashMap<String, List<String>>(), new 
    FoldFunction<Tuple3<String, String, List<String>>, Map<String, 
    List<String>>>() {
        private static final long serialVersionUID = 1L;

        @Override
        public Map<String, List<String>fold(Map<String, 
        List<String>accumulator,
        Tuple3<String, String, List<String>value) throws 
        Exception {
            if(accumulator.get(value.f1) != null){
                List<Stringlist = new ArrayList<>();
                list.addAll(accumulator.get(value.f1));
                list.addAll(value.f2);
                accumulator.put(value.f1, list);
            }else{
                accumulator.put(value.f1, value.f2);
            }
            return accumulator;
        }
    });

    streamValue.print();
    env.execute("window test");
}

public class CustomizedCountTrigger<W extends Windowextends 
Trigger<Object, W{

    private static final long serialVersionUID = 1L;
    private final long maxCount;

    private final ReducingStateDescriptor<LongstateDesc =
    new ReducingStateDescriptor<>("count", new Sum(), 
    LongSerializer.INSTANCE);

    private CustomizedCountTrigger(long maxCount) {
        this.maxCount = maxCount;
    }

    @Override
    public TriggerResult onElement(Object element, long timestamp, W window,
    TriggerContext ctx) throws Exception {
        ReducingState<Longcount = ctx.getPartitionedState(stateDesc);
        count.add(1L);
        if (count.get() >= maxCount) {
            count.clear();
            return TriggerResult.FIRE_AND_PURGE;
        }
        return TriggerResult.CONTINUE;
    }

    @Override
    public TriggerResult onProcessingTime(long time, W window,

    org.apache.flink.streaming.api.windowing.triggers.Trigger.TriggerContext

    ctx) throws Exception {
        return TriggerResult.CONTINUE;
    }

    @Override
    public TriggerResult onEventTime(long time, W window,

    org.apache.flink.streaming.api.windowing.triggers.Trigger.TriggerContext

    ctx) throws Exception {
        return TriggerResult.CONTINUE;
    }

    @Override
    public void clear(W window, 
    org.apache.flink.streaming.api.windowing.triggers.Trigger.TriggerContext

    ctx)
    throws Exception {
        ctx.getPartitionedState(stateDesc).clear();
    }

    @Override
    public String toString() {
        return "CountTrigger(" +  maxCount + ")";
    }

    public static <W extends WindowCustomizedCountTrigger<Wof(long 
    maxCount) {
        return new CustomizedCountTrigger<>(maxCount);
    }

    private static class Sum implements ReduceFunction<Long{
        private static final long serialVersionUID = 1L;

        @Override
        public Long reduce(Long value1, Long value2) throws Exception {
            return value1 + value2;
        }

    }
}
bzzcjhmw

bzzcjhmw1#

所以我开始写这篇文章的第一部分之前,我注意到你的自定义触发器使事实上,你正在使用一个tumblingeventtime窗口有点不相关,但我想包括我的原始想法无论如何,因为我不完全确定为什么你会使用一个eventtime窗口,而你不使用它。我在意识到这一点后的React低于原来。
你是在一个并行上运行还是在多个并行上运行?我之所以问这个问题,是因为如果是多个并行性(kafka主题也由多个分区组成),那么消息的接收和处理可能是按非连续顺序进行的。这可能导致带有时间戳的消息导致水印前进,从而导致窗口处理消息。然后下一个消息的事件时间早于当前水印时间(即“延迟”),这将导致消息被丢弃。
例如:如果有20个元素,每个元素的事件时间如下:
消息1:eventtime:1000消息1:eventtime:2000等。。。
活动时间窗口为5001ms。
现在消息1到消息9按顺序传递。第一个窗口将被处理并包含消息1-5(消息6将导致窗口被处理)。现在,如果message11出现在message10之前,它将导致处理包含消息6-9的窗口。当message10接下来出现时,水印已经超过了message10的事件时间,导致它作为“延迟事件”被删除。
正确的回答
不要使用eventtime窗口和自定义触发器,而要尝试使用countwindow。
因此,请将其替换为:

.window(TumblingEventTimeWindows.of(Time.milliseconds(3000))).
trigger(CustomizedCountTrigger.of(5L))//.trigger(CountTrigger.of(2))

有了这个:

.countWindow(5L)

相关问题