Flink-1.12 - 之如何构建一个简单的TopN应用

2023-12-10 13:33

本文主要是介绍Flink-1.12 - 之如何构建一个简单的TopN应用,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!

Flink-1.12 - 之如何构建一个简单的TopN应用

本文主要介绍通过Flink-1.12如何构建一个简单的TopN应用,这里介绍

  • DataStream API构建
  • Flink SQL构建

1 maven依赖如下

    <!--当前版本的控制~~--><properties><maven.compiler.source>8</maven.compiler.source><maven.compiler.target>8</maven.compiler.target><flink.system.version>1.12.2</flink.system.version><scala.version>2.12</scala.version></properties><dependencies><!-- https://mvnrepository.com/artifact/org.apache.flink/flink-java --><dependency><groupId>org.apache.flink</groupId><artifactId>flink-java</artifactId><version>${flink.system.version}</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.flink/flink-table-planner-blink --><dependency><groupId>org.apache.flink</groupId><artifactId>flink-table-planner-blink_${scala.version}</artifactId><version>${flink.system.version}</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-java --><dependency><groupId>org.apache.flink</groupId><artifactId>flink-streaming-java_${scala.version}</artifactId><version>${flink.system.version}</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.flink/flink-clients --><dependency><groupId>org.apache.flink</groupId><artifactId>flink-clients_${scala.version}</artifactId><version>${flink.system.version}</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.flink/flink-streaming-scala --><dependency><groupId>org.apache.flink</groupId><artifactId>flink-streaming-scala_${scala.version}</artifactId><version>${flink.system.version}</version></dependency>

2 使用DataStream API构建

package com.shufang.stream;import com.shufang.bean.Orders;
import com.shufang.bean.WindowOrderCount;
import com.shufang.func.MyOrderSourceFunction;
import com.shufang.util.MyUtil;
import org.apache.commons.compress.utils.Lists;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.functions.AggregateFunction;
import org.apache.flink.api.common.state.MapState;
import org.apache.flink.api.common.state.MapStateDescriptor;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.KeyedProcessFunction;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.SlidingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;
import java.text.SimpleDateFormat;
import java.time.Duration;
import java.util.ArrayList;
import java.util.Comparator;
import java.util.Date;
import java.util.Map;public class WindowAggrFunction_TopN_Optimize {public static void main(String[] args) throws Exception {//1 获取执行环境,1.12.0之后默认时间语义是EventTime,但是可以在EventTime mode下明确指定使用processingTimeStreamExecutionEnvironment env = MyUtil.getStreamEnv();env.setParallelism(10);// TODO 正则匹配,不以.css|.js|.png|.ico结束,通常可以用来过滤String regexpPattern = "^((?!\\.(css|js|png|ico)$).)*&";//2 从数据源获取数据,SingleOutputStreamOperator<Orders> orderDtlStream = env.addSource(new MyOrderSourceFunction()).assignTimestampsAndWatermarks(WatermarkStrategy.<Orders>forBoundedOutOfOrderness(Duration.ofSeconds(20)).withTimestampAssigner((order, timestamp) -> order.getTimestamp()));orderDtlStream.print("detail");//3 主要是统计最近10s钟内不同货币的交易次数,每5s钟更新一次结果输出,找出热门的交易货币,以及排名SingleOutputStreamOperator<WindowOrderCount> aggregateStream = orderDtlStream.keyBy(order -> order.getCurrency()).window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(5))).allowedLateness(Time.minutes(1))  // 当到了窗口的endTime,窗口会输出一个计算结果,但是窗口不会关闭,迟到的数据在一分钟进来都会参与计算并更新结果状态.aggregate(new MyOrderAggr(), new MyAllWindowFunction());orderDtlStream.print("agg");//3.1 要求出每个时间窗口的TopN,我们需要按照窗口分组,按照counts进行排序//windowEnd,key,countSingleOutputStreamOperator<String> top5Stream = aggregateStream.keyBy(wc -> wc.getWindowEnd()).process(new MyHotTopN(5));//4 进行输出top5Stream.print();env.execute("should specify a name");}/*** 定义一个processFunction,每来一次数据就存储State中,最终等到ontimer()的时候触发排序计算操作*/static class MyHotTopN extends KeyedProcessFunction<Long, WindowOrderCount, String> {// 定义一个控制TopN 的N的属性private Integer topSize;private SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");// 定义一个MapState,用来保存每个窗口中的所有的<currency,counts>,最终使用onTimer()触发输出topNMapState<String, Long> mapState;public MyHotTopN(Integer topSize) {this.topSize = topSize;}// 初始化mapState状态@Overridepublic void open(Configuration parameters) throws Exception {mapState = getRuntimeContext().getMapState(new MapStateDescriptor<String, Long>("mapState", String.class, Long.class));}// 每来一条数据我们处理一次@Overridepublic void processElement(WindowOrderCount value, Context ctx, Collector<String> out) throws Exception {//1 将信息放入到mapState中mapState.put(value.getCurrency(), value.getCounts());//2 注册定时器1,等到每个窗口的endTime + 1,触发窗口的输出操作ctx.timerService().registerEventTimeTimer(value.getWindowEnd() + 1);//3 注册一个定时器,在窗口关闭之后清空该窗口的mapStatectx.timerService().registerEventTimeTimer(value.getWindowEnd() + 60 * 1000);}// 定时器内管理的生命周期的操作@Overridepublic void onTimer(long timestamp, OnTimerContext ctx, Collector<String> out) throws Exception {//1 在process的时候为每个窗口注册了2个定时器,此时先判断是清空状态的定时器,还是输出窗口TopN的定时器if (timestamp == ctx.getCurrentKey() + 60 * 1000) {// 如果走进来,此时应该触发的定时器是清空的定时器,那么清空窗口的状态,并退出mapState.clear();return;}//2 如果走到这里,说明是输出结果的定时器,那么就进行topN的排序并输出结果String windowEndString = sdf.format(new Date(timestamp - 1));//3 拿到map中的所有的数据,进行排序ArrayList<Map.Entry<String, Long>> topNs = Lists.newArrayList(mapState.iterator());topNs.sort(new Comparator<Map.Entry<String, Long>>() {@Overridepublic int compare(Map.Entry<String, Long> o1, Map.Entry<String, Long> o2) {if (o1.getValue() < o2.getValue())return 1;else if (o1.getValue() > o2.getValue())return -1;elsereturn 0;}});//4 最终按照@topsize取topN,为了方便打印好看,以String类型遍历输出StringBuilder sb = new StringBuilder("=====================================");sb.append("窗口结束时间为:").append(windowEndString).append("\n");for (int i = 0; i < Math.min(topNs.size(), topSize); i++) {sb.append("当前的货币为:").append(topNs.get(i).getKey()).append(" || ");sb.append("当前的货币的在该时间段的交易次数为:").append(topNs.get(i).getValue()).append(" || ");sb.append("当前的交以次数排名为:").append(i + 1).append("\n");}sb.append("=====================================");out.collect(sb.toString());}}/*** 实现一个增量聚合的窗口函数 agg function ,该类型的窗口函数可以改变输出的类型* reduce不能改变输出的类型,输入输出的类型必须保持一致* Type parameters:* <IN> – 输出的event类型* <ACC> – 累加器的类型,每来一条数据更新一次累加器的状态 ,The type of the accumulator (intermediate aggregate state).* <OUT> – 最终聚合的结果类型 ,The type of the aggregated result*/static class MyOrderAggr implements AggregateFunction<Orders, Long, Long> {// 初始化累加器@Overridepublic Long createAccumulator() {return 0L;}// 累加器的计算逻辑,来一个event => + 1@Overridepublic Long add(Orders orders, Long acc) {return acc + 1;}// 获取累加器的值@Overridepublic Long getResult(Long acc) {return acc;}// 不同的累加器的merge操作@Overridepublic Long merge(Long aLong, Long acc1) {return aLong + acc1;}}/*** 定义一个全窗口函数,用来接收agg function的输出的 value类型,* Type parameters:* <IN> – 从AggFunction的输出类型作为输入类型 The type of the input value.* <OUT> – 最终的输出类型,可以随意定义 The type of the output value.* <KEY> – keyedStream的key的类型 ,The type of the key.* <W> – 这个应用所在的窗口的类型 ,The type of Window that this window function can be applied on.*/static class MyAllWindowFunction implements WindowFunction<Long, WindowOrderCount, String, TimeWindow> {@Overridepublic void apply(String key, TimeWindow window, Iterable<Long> input, Collector<WindowOrderCount> out) throws Exception {Long count = input.iterator().next(); //从累加器获取的统计累加值long windowEnd = window.getEnd(); //窗口的标识:这里是窗口的endTime//最终返回我们需要的类型WindowOrderCount(windowEnd,currency,counts)out.collect(new WindowOrderCount(windowEnd, key, count));}}
}

3 通过Flink SQL构建

package com.shufang.stream;import com.shufang.bean.Orders;
import com.shufang.func.MyOrderSourceFunction;
import com.shufang.util.MyUtil;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.Slide;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.types.Row;import java.time.Duration;import static org.apache.flink.table.api.Expressions.$;
import static org.apache.flink.table.api.Expressions.lit;public class TableSQLAPi_TopN {public static void main(String[] args) throws Exception {//1 获取执行环境,1.12.0之后默认时间语义是EventTime,但是可以在EventTime mode下明确指定使用processingTimeStreamExecutionEnvironment env = MyUtil.getStreamEnv();StreamTableEnvironment tableEnv = MyUtil.getBlinkStreamTableEnv();env.setParallelism(1);/* 这是order中的字段,这是一个pojo类* public Long timestamp;* public Long amount;* public String currency;*///2 从数据源获取数据:StreamSingleOutputStreamOperator<Orders> orderDtlStream = env.addSource(new MyOrderSourceFunction()).assignTimestampsAndWatermarks(WatermarkStrategy.<Orders>forBoundedOutOfOrderness(Duration.ofSeconds(20)).withTimestampAssigner((order, timestamp) -> order.getTimestamp()));//3 由于没有外部的数据源,我们假装从stream中获取数据,这个Expression虽然好看,但是难用啊Table orders = tableEnv.fromDataStream(orderDtlStream,$("currency"), $("amount"), $("timestamp").rowtime().as("ts"));orders.printSchema();//4 获取到我们想要的统计表Table windowOrderCounts = orders.window(Slide.over(lit(10).seconds()).every(lit(5).seconds()).on($("ts")).as("sw")).groupBy($("sw"), $("currency")).select($("currency"),$("sw").end().as("windowEnd"),$("amount").count().as("counts"));//5 根据counts排序,TableAPi不支持rank、row_number以及dense_rank 排序,所以还需要使用SQL来处理//createTemporaryView("windowOrderCounts",windowOrderCounts)并不是StreamTableEnv的方法//所以我们需要调用:tableEnv.createTemporaryView("windowOrderCounts",stream)来注册表// TODO can't use this !!! tableEnv.createTemporaryView("windowOrderCounts",windowOrderCounts);//6 将windowOrderCounts转成流,并进行表的注册:windowOrderCountsDataStream<Row> stream = tableEnv.toAppendStream(windowOrderCounts, Row.class);tableEnv.createTemporaryView("windowOrderCounts", stream);/*** root*  |-- currency: STRING*  |-- windowEnd: TIMESTAMP(3)*  |-- counts: BIGINT*///7 使用Over窗口实现排序取TopNString sql = "" +"SELECT  \n" +"   windowEnd, \n" +"   currency, \n" +"   counts,  \n" +"   rn  \n" +"FROM ( \n" +"   SELECT  \n" +"\t  *, \n" +"\t  ROW_NUMBER() OVER w AS rn   \n" +"   FROM windowOrderCounts  \n" +"   WINDOW w AS (PARTITION BY windowEnd ORDER BY counts DESC)  \n" +") tmp_table  \n" +"WHERE rn <= 5";Table topN = tableEnv.sqlQuery(sql);DataStream<Tuple2<Boolean, Row>> topNStream = tableEnv.toRetractStream(topN, Row.class);topNStream.print("final top5");env.execute("sql top5");}
}

SQL代码比DataStream代码要整洁很多,内部帮我们构建了状态。

这篇关于Flink-1.12 - 之如何构建一个简单的TopN应用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!



http://www.chinasem.cn/article/477245

相关文章

利用Python编写一个简单的聊天机器人

《利用Python编写一个简单的聊天机器人》这篇文章主要为大家详细介绍了如何利用Python编写一个简单的聊天机器人,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 使用 python 编写一个简单的聊天机器人可以从最基础的逻辑开始,然后逐步加入更复杂的功能。这里我们将先实现一个简单的

将Python应用部署到生产环境的小技巧分享

《将Python应用部署到生产环境的小技巧分享》文章主要讲述了在将Python应用程序部署到生产环境之前,需要进行的准备工作和最佳实践,包括心态调整、代码审查、测试覆盖率提升、配置文件优化、日志记录完... 目录部署前夜:从开发到生产的心理准备与检查清单环境搭建:打造稳固的应用运行平台自动化流水线:让部署像

使用IntelliJ IDEA创建简单的Java Web项目完整步骤

《使用IntelliJIDEA创建简单的JavaWeb项目完整步骤》:本文主要介绍如何使用IntelliJIDEA创建一个简单的JavaWeb项目,实现登录、注册和查看用户列表功能,使用Se... 目录前置准备项目功能实现步骤1. 创建项目2. 配置 Tomcat3. 项目文件结构4. 创建数据库和表5.

使用PyQt5编写一个简单的取色器

《使用PyQt5编写一个简单的取色器》:本文主要介绍PyQt5搭建的一个取色器,一共写了两款应用,一款使用快捷键捕获鼠标附近图像的RGB和16进制颜色编码,一款跟随鼠标刷新图像的RGB和16... 目录取色器1取色器2PyQt5搭建的一个取色器,一共写了两款应用,一款使用快捷键捕获鼠标附近图像的RGB和16

四种简单方法 轻松进入电脑主板 BIOS 或 UEFI 固件设置

《四种简单方法轻松进入电脑主板BIOS或UEFI固件设置》设置BIOS/UEFI是计算机维护和管理中的一项重要任务,它允许用户配置计算机的启动选项、硬件设置和其他关键参数,该怎么进入呢?下面... 随着计算机技术的发展,大多数主流 PC 和笔记本已经从传统 BIOS 转向了 UEFI 固件。很多时候,我们也

Linux中Curl参数详解实践应用

《Linux中Curl参数详解实践应用》在现代网络开发和运维工作中,curl命令是一个不可或缺的工具,它是一个利用URL语法在命令行下工作的文件传输工具,支持多种协议,如HTTP、HTTPS、FTP等... 目录引言一、基础请求参数1. -X 或 --request2. -d 或 --data3. -H 或

在Ubuntu上部署SpringBoot应用的操作步骤

《在Ubuntu上部署SpringBoot应用的操作步骤》随着云计算和容器化技术的普及,Linux服务器已成为部署Web应用程序的主流平台之一,Java作为一种跨平台的编程语言,具有广泛的应用场景,本... 目录一、部署准备二、安装 Java 环境1. 安装 JDK2. 验证 Java 安装三、安装 mys

Python中构建终端应用界面利器Blessed模块的使用

《Python中构建终端应用界面利器Blessed模块的使用》Blessed库作为一个轻量级且功能强大的解决方案,开始在开发者中赢得口碑,今天,我们就一起来探索一下它是如何让终端UI开发变得轻松而高... 目录一、安装与配置:简单、快速、无障碍二、基本功能:从彩色文本到动态交互1. 显示基本内容2. 创建链

基于Qt开发一个简单的OFD阅读器

《基于Qt开发一个简单的OFD阅读器》这篇文章主要为大家详细介绍了如何使用Qt框架开发一个功能强大且性能优异的OFD阅读器,文中的示例代码讲解详细,有需要的小伙伴可以参考一下... 目录摘要引言一、OFD文件格式解析二、文档结构解析三、页面渲染四、用户交互五、性能优化六、示例代码七、未来发展方向八、结论摘要

Golang使用etcd构建分布式锁的示例分享

《Golang使用etcd构建分布式锁的示例分享》在本教程中,我们将学习如何使用Go和etcd构建分布式锁系统,分布式锁系统对于管理对分布式系统中共享资源的并发访问至关重要,它有助于维护一致性,防止竞... 目录引言环境准备新建Go项目实现加锁和解锁功能测试分布式锁重构实现失败重试总结引言我们将使用Go作