Flink水印机制（watermark）

Flink流处理时间方式

• EventTime

  时间发生的时间，例如：点击网站上的某个链接的时间

• IngestionTime

  某个Flink节点的source operator接收到数据的时间，例如：某个source消费到kafka中的数据

• ProcessingTime

  某个Flink节点执行某个operation的时间，例如：timeWindow接收到数据的时间

  

   

设置Flink流处理的时间类型

env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

问题

1. 使用时间窗口来统计10分钟内的用户流量

2. 有一个时间窗口

• 开始时间为：2017-03-19 10:00:00
• 结束时间为：2017-03-19 10:10:00

3. 有一个数据，因为网络延迟

• 事件发生的时间为：2017-03-19 10: 10 :00
• 但进入到窗口的时间为：2017-03-19 10:10: 02 ，延迟了2秒中

4. 时间窗口并没有将 59 这个数据计算进来，导致数据统计不正确

这种处理方式，根据消息进入到window时间，来进行计算。在网络有延迟的时候，会引起计算误差。

   

水印（watermark）

水印就是一个时间戳，可以给每个消息添加一个 允许一定延迟 的时间戳

• 窗口可以继续计算一定时间范围内延迟的消息
• 添加水印后，窗口会等 5 秒，再执行计算。若超过5秒，则舍弃。
• 窗口执行计算时间由 水印时间 来触发，当接收到消息的 watermark >= endtime ，触发计算

     

  

   

Flink提供添加水印的API

        val watermarkData: DataStream[Message] =

        clicklogDataStream.assignTimestampsAndWatermarks(new AssignerWithPeriodicWatermarks[Message]

        {

           var currentTimestamp: Long = 0L

           val maxDelayTime = 5000L

           var watermark: Watermark = null

        // 获取当前的水印

           override def getCurrentWatermark = {

            watermark = new Watermark(currentTimestamp - maxDelayTime)

            watermark

          }

           // 时间戳抽取操作

           override def extractTimestamp(t: Message, l: Long) = {

            val timeStamp = t.timestamp

            currentTimestamp = Math.max(timeStamp, currentTimestamp)

            currentTimestamp

          }

         })