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;
}
}
}
1条答案
按热度按时间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:
有了这个: