Flink watermark
上遊: 生成watermark
一般在WINDOW 操作之前生成WATERMARK, WATERMARK 有兩種:
AssignWithPeriodicWatermarks:
每隔N秒自動向流裏註入一個WATERMARK 時間間隔由ExecutionConfig.setAutoWatermarkInterval 決定. 每次調用getCurrentWatermark 方法, 如果得到的WATERMARK 不為空並且比之前的大就註入流中 (emitWatermark)
參考 TimestampsAndPeriodicWatermarksOperator.processElement
AssignWithPunctuatedWatermarks:
基於事件向流裏註入一個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 不為空並且比之前的大就註入流中 (emitWatermark)
參考 TimestampsAndPunctuatedWatermarksOperator.processElement
每次生成WATERMARK將覆蓋流中已有的WATERMARK
下遊: 處理watermark
StatusWatermarkValve 負責將不同Channel 的Watermark 對齊，再傳給pipeline 下遊,對齊的概念是當前Channel的Watermark時間大於所有Channel最小的Watermark時間
WindowOperator 的處理:
WindowOperator.processElement
- WindowAssigner.assignWindows 為當前的消息分配滑動窗口
常用的有： TumblingEventTimeWindows: 按照消息的 EventTime 分配窗口 (每次生成單個窗口)
TumblingProcessingTimeWindows 按照當前的時間分配窗口 (每次生成單個窗口)
需要配合StreamExecutionEnvironment.setStreamTimeCharacteristic 使用 (默認是TimeCharacteristic.ProcessingTime), 這個必須匹配否則無法正常觸發滑動窗口
實際觀察結果：
- 如果使用ProcessingTimeWindows 即使Event 本身的時間落後於窗口時間很多也會被觸發
- 無論是否使用WATERMARK，窗口中的數據會有亂序，即後到窗口中的數據早於先到窗口中的數據
- 如果使用EventTimeWindow, 數據和窗口時間對齊不會亂序，同一窗口中的數據不能嚴格保證順序，需要SORT.
- 最後一批數據有缺失，缺失的數據取決於WATERMARK的MAXOUTOFORDERNESS
- 默認的WATERMARK算法是根據元素的最大時間決定的，當沒有新的元素進入流中的時候，水位不再上漲，再減去MAXOUTOFORDERNESS, 則最後一批數據無法落在水位之下，導致WINDOW無法觸發
- 將當前的滑動窗口和對象加入WindowState, 根據不同的應用場景會使用不同的WindowState. WindowState 的類型由WindowedStream的具體操作決定, 生成對應的StateDescriptor, 不同的WindowState 的 add/get 行為會不同. 比如HeapListWindowState 會把當前的對象追加到currentNamespace (即Timewindow) 對應的List 下. 比如HeapAggregateState 會對當前的對象應用Aggregate function 並更新結果
Window 觸發的條件
在 WindowOperator 中有兩個點會檢查窗口是否觸發，兩者的檢查條件有所不同
-
processElement 這是在新的流數據進入時觸發
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則調用InteralTimeService.registerEventTimeTimer 註冊一個定時器,以KEY+窗口最大時間為條件觸發, 到一定時間後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(...) 設置. 一般應該略大於WatermarkGenerator 的 maxOutOfOrderness
- onEventTime 或者 onProcessingTime 取決於Watermark的類型, 這是在Watermark更新的時候觸發 （InteralTimeService.advanceWatermark). 這時會把當前Watermark 的時間和之前註冊的定時器的時間做比較, 如果定時器還存在並且Watermark的時間大於定時器時間則可以觸發窗口. 參見 EventTimeTrigger.onEventTime
參考 http://blog.csdn.net/lmalds/article/details/52704170
WATERMARK和普通數據分開處理
如果一個元素來的過晚 element.getTimestamp + allowedLateness < currentWatermark
會有一個特殊的OutputTag 和正常的流數據區分開
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機制是數據驅動的，新的數據進入才會觸發水位上升, 而由於maxOutOfOrderness 的存在, watermark < 最大流數據時間 < 當前窗口結束時間
根據之前的分析，最新的時間窗口總是不會被觸發，除非更新的數據進入再次提高水位到當前窗口結束時間以後, 如果數據進入的頻率低或者沒有新的數據進入流，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，這在實時性要求高的流式系統是很致命的. 比如一個銀行系統，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，然後在窗口處理中再次根據賬號分組，這樣雖然處理復雜一些，但是保證了窗口中數據的頻次
另外一種方案是優化WATERMARK生成的機制，如果一段時間後WATERMARK仍然沒有變化，那就將WATERMARK自動上漲一次到當前窗口的結束時間，這樣保證窗口處理的延時有個上限
public abstract class AbstractWatermarkGenerator<T> implements AssignerWithPeriodicWatermarks<T> {
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;
private boolean watermarkIncreased = false;
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);
currentMaxTimestamp = Math.max(curTimestamp, currentMaxTimestamp);
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;
watermarkIncreased = false;
}
else {
if (curTime - lastWatermarkChangeTime >= (windowPurgeTime - currentMaxTimestamp)
&& watermarkIncreased == false) {
if (logger.isDebugEnabled()) {
logger.debug("Increase current MaxTimestamp once");
}
currentMaxTimestamp = windowPurgeTime;
lastTimestamp = currentMaxTimestamp;
lastWatermarkChangeTime = curTime;
watermarkIncreased = true;
}
}
return new Watermark(currentMaxTimestamp - maxOutOfOrderness);
}
}Flink watermark