Flink DataStream ProcessFunction

本文主要是介绍Flink DataStream ProcessFunction，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

专栏原创出处：github-源笔记文件，github-源码，欢迎 Star，转载请附上原文出处链接和本声明。
本节内容对应官方文档

1 ProcessFunction 是什么

ProcessFunction 是一个低阶的流处理操作，它可以访问流处理程序的基础构建模块:

事件 (event)(流元素)。
状态 (state)(容错性，一致性，仅在keyed stream中)。
定时器 (timers)(event time 和 processing time，仅在keyed stream中)。

ProcessFunction 可以看作是一个具有 keyed state 和 timers 访问权的 FlatMapFunction

通过 RuntimeContext 访问 keyed state 。
计时器允许应用程序对处理时间和事件时间中的更改作出响应。对 processElement(…) 函数的每次调用都获得一个 Context 对象，该对象可以访问元素的 event time timestamp 和 TimerService。
TimerService 可用于为将来的 event/process time 注册回调。当定时器的达到定时时间时，会调用 onTimer(…) 方法。

注意如果要访问 keyed state 和 timers，则必须 ProcessFunction 在keyed stream上应用：
stream.keyBy(...).process(new MyProcessFunction())

2 应用实例-低阶 Join

要在两个输入上实现低阶 JOIN 操作，应用程序可以使用CoProcessFunction或KeyedCoProcessFunction。
此函数绑定到两个不同的输入，并从两个不同的输入中获取单独的调用，processElement1(...)/processElement2(...)。

该操作遵循以下模式：

为一个输入（或两个输入）创建一个状态对象
接收到来自其输入的元素时，更新状态
接收到来自其他输入的元素后，探测状态并生成 join 的结果

例如：当为客户数据保存状态时，你可能会 join 客户数据和财务交易

3 应用实例-代码实战

在以下示例中，KeyedProcessFunction 为每个键维护一个计数，并且会把一分钟 (事件时间) 内没有更新的键/值对输出

计数，键以及最后更新的时间戳会存储在 ValueState 中，ValueState 由 key 隐含定义。
对于每条记录，KeyedProcessFunction 增加计数器并修改最后的时间戳。
该函数还会在一分钟后调用回调（事件时间）。
每次调用回调时，都会检查存储计数的最后修改时间与回调的事件时间时间戳，如果匹配则发送键/计数键值对（即在一分钟内没有更新）

这个简单的例子可以用会话窗口实现。在这里使用 KeyedProcessFunction 只是用来说明它的基本模式。对应示例源码

object ProcessFunction extends StreamExecutionEnvironmentApp {val stream = GameData.DataStream.userLogin(this, 10)stream.map(o => (o.uid, o.status)) // 转换为元组模式// .filter(_._1 == "2|2527").startNewChain() // 过滤数据，加快调试.keyBy(0).process(new CountWithTimeoutFunction()).print()sEnv.execute(this.getClass.getName)
}/*** 状态中存储的数据类型定义*/
case class CountWithTimestamp(key: String, count: Long, lastModified: Long)/*** 维护计数和超时的 ProcessFunction 的实现*/
class CountWithTimeoutFunction extends KeyedProcessFunction[Tuple, (String, String), (String, Long)] {/** 此过程功能所维护的状态 */lazy val state: ValueState[CountWithTimestamp] = getRuntimeContext.getState(new ValueStateDescriptor[CountWithTimestamp]("myState", classOf[CountWithTimestamp]))override def processElement(value: (String, String),ctx: KeyedProcessFunction[Tuple, (String, String), (String, Long)]#Context,out: Collector[(String, Long)]): Unit = {// 初始化或检索/更新状态val current: CountWithTimestamp = state.value match {case null =>CountWithTimestamp(value._1, 1, ctx.timestamp) // 使用 ProcessingTime 时 ctx.timestamp 可能为 nullcase CountWithTimestamp(key, count, _) =>CountWithTimestamp(key, count + 1, ctx.timestamp)}// 写回状态state.update(current)// 从当前事件时间开始注册一个的定时器ctx.timerService.registerProcessingTimeTimer(current.lastModified + 10)}override def onTimer(timestamp: Long,ctx: KeyedProcessFunction[Tuple, (String, String), (String, Long)]#OnTimerContext,out: Collector[(String, Long)]): Unit = {state.value match {// 检查定时器是过时定时器还是最新定时器case CountWithTimestamp(key, count, lastModified) if timestamp == lastModified + 10 =>out.collect((key, count))case _ =>}}
}

4 定时器

TimerService 在内部维护两种类型的定时器（处理时间和事件时间定时器）并排队执行。

TimerService 会删除每个键和时间戳重复的定时器，即每个键在每个时间戳上最多有一个定时器。如果为同一时间戳注册了多个定时器，则只会调用一次 onTimer（）方法。

Flink 同步调用 onTimer() 和 processElement() 方法。因此，不必担心状态的并发修改。

5 容错

定时器具有容错能力，并且与应用程序的状态一起进行快照。如果故障恢复或从保存点启动应用程序，就会恢复定时器。

在故障恢复之前应该触发的处理时间定时器会被立即触发。当应用程序从故障中恢复或从保存点启动时，可能会发生这种情况。

6 定时器合并

由于 Flink 仅为每个键和时间戳维护一个定时器，因此可以通过降低定时器的频率来进行合并以减少定时器的数量。

对于频率为 1 秒的定时器（事件时间或处理时间），我们可以将目标时间向下舍入为整秒数。定时器最多提前 1 秒触发，但不会迟于我们的要求，精确到毫秒。因此，每个键每秒最多有一个定时器。

val coalescedTime = ((ctx.timestamp + timeout) / 1000) * 1000
ctx.timerService.registerProcessingTimeTimer(coalescedTime)

由于事件时间定时器仅当 Watermark 到达时才会触发，因此我们可以将当前 Watermark 与下一个 Watermark 的定时器一起调度和合并：

val coalescedTime = ctx.timerService.currentWatermark + 1
ctx.timerService.registerEventTimeTimer(coalescedTime)

按以下方式停止和删除计时器：

val timestampOfTimerToStop = ...
ctx.timerService.deleteProcessingTimeTimer(timestampOfTimerToStop) // 停止处理时间计时器
ctx.timerService.deleteEventTimeTimer(timestampOfTimerToStop) // 停止事件时间计时器

这篇关于Flink DataStream ProcessFunction的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！