闪烁水印和触发器-迟来的元素没有在事件时间丢弃？

Question

我对Flink在事件时间上加水印时如何处理后期元素有些困惑。

import org.apache.flink.api.scala._
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.scala.{StreamExecutionEnvironment}
import org.apache.flink.streaming.api.windowing.assigners.{TumblingEventTimeWindows}
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.util.Collector
import org.apache.log4j.{Level, Logger}

object EventTimeExample {

  Logger.getLogger("org").setLevel(Level.OFF)
  Logger.getLogger("akka").setLevel(Level.OFF)

  case class ExampleType(time: Long, value: Long)

  def main(args: Array[String]) {

    // Set up environment
    val env = StreamExecutionEnvironment.createLocalEnvironment(1)
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

    // Example S3 path
    val simple = env.fromCollection(Seq(
      ExampleType(1525132800000L, 1),
      ExampleType(1525132800000L, 2) ,
      ExampleType(1525132920000L, 3),
      ExampleType(1525132800000L, 4)
    ))
      .assignAscendingTimestamps(_.time)

    val windows = simple
      .windowAll(TumblingEventTimeWindows.of(Time.seconds(60)))
      .apply{
       (window, iter, collector: Collector[(Long, Long, String)]) => {
        collector.collect(window.getStart, window.getEnd, iter.map(_.value).toString())
      }
    }

    windows.print
    env.execute("TimeStampExample")
  }
}

(1525132800000,1525132860000,List(1, 2, 4))
(1525132920000,1525132980000,List(3))

现在我认识到这是一个微不足道的例子，但不理解这会使理解更复杂的流变得困难。

Answer 1

你的理解基本上是正确的，但是这里还发生了几件事情需要考虑进去。

首先，您使用了assignAscendingTimestamps()，它只能在事件流（按时间戳）完全按顺序排列的情况下使用，而这里的情况并非如此。运行此应用程序时应看到此警告：

WARN  org.apache.flink.streaming.api.functions.timestamps.AscendingTimestampExtractor  - Timestamp monotony violated: 1525132800000 < 1525132920000

这里起作用的另一个因素是AscendingTimeStampExtractor不会更新每个经过的流元素的当前水印。这是一个周期性水印生成器的示例，它将每隔n毫秒将水印注入流中，其中n由ExecutionConfig.SetAutoWaterMarkInterval(...)定义，默认为200毫秒。这就是事件#4潜入第一个窗口的方式。

要获得您期望的结果,您可以实现一个标点符号水印生成器,该生成器配置为为每个事件生成水印：

class PunctuatedAssigner extends AssignerWithPunctuatedWatermarks[ExampleType] {
  override def extractTimestamp(element: ExampleType, previousElementTimestamp: Long): Long = {
    element.time
  }

  override def checkAndGetNextWatermark(lastElement: ExampleType, extractedTimestamp: Long): Watermark = {
    new Watermark(extractedTimestamp)
  }
}

然后您可以这样使用它：

val simple = env.fromCollection(Seq(
  ExampleType(1525132800000L, 1),
  ExampleType(1525132800000L, 2) ,
  ExampleType(1525132920000L, 3),
  ExampleType(1525132800000L, 4)
))
  .assignTimestampsAndWatermarks(new PunctuatedAssigner)

现在您的示例产生了以下结果：

(1525132800000,1525132860000,List(1, 2))
(1525132920000,1525132980000,List(3))

override def checkAndGetNextWatermark(lastElement: ExampleType, extractedTimestamp: Long): Watermark = {
  new Watermark(extractedTimestamp - 200000)
}

(1525132800000,1525132860000,List(1, 2, 4))
(1525132920000,1525132980000,List(3))

val windows = simple
  .windowAll(TumblingEventTimeWindows.of(Time.seconds(60)))
  .allowedLateness(Time.seconds(200))
  ...

这将导致第一个窗口触发两次：

(1525132800000,1525132860000,List(1, 2))
(1525132800000,1525132860000,List(1, 2, 4))
(1525132920000,1525132980000,List(3))

请注意，由于处理水印会带来一些开销，因此通常不希望以这种方式使用标点符号水印（每个事件都有一个水印）。对于大多数应用程序，基于boundedoutofordernestimestampextractor的周期性水印是更好的选择。