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

MySQL 分区与分库分表策略应用小结

《MySQL分区与分库分表策略应用小结》在大数据量、复杂查询和高并发的应用场景下,单一数据库往往难以满足性能和扩展性的要求,本文将详细介绍这两种策略的基本概念、实现方法及优缺点,并通过实际案例展示如... 目录mysql 分区与分库分表策略1. 数据库水平拆分的背景2. MySQL 分区策略2.1 分区概念

Spring Shell 命令行实现交互式Shell应用开发

《SpringShell命令行实现交互式Shell应用开发》本文主要介绍了SpringShell命令行实现交互式Shell应用开发,能够帮助开发者快速构建功能丰富的命令行应用程序,具有一定的参考价... 目录引言一、Spring Shell概述二、创建命令类三、命令参数处理四、命令分组与帮助系统五、自定义S

C语言函数递归实际应用举例详解

《C语言函数递归实际应用举例详解》程序调用自身的编程技巧称为递归,递归做为一种算法在程序设计语言中广泛应用,:本文主要介绍C语言函数递归实际应用举例的相关资料,文中通过代码介绍的非常详细,需要的朋... 目录前言一、递归的概念与思想二、递归的限制条件 三、递归的实际应用举例(一)求 n 的阶乘(二)顺序打印

使用Python开发一个简单的本地图片服务器

《使用Python开发一个简单的本地图片服务器》本文介绍了如何结合wxPython构建的图形用户界面GUI和Python内建的Web服务器功能,在本地网络中搭建一个私人的,即开即用的网页相册,文中的示... 目录项目目标核心技术栈代码深度解析完整代码工作流程主要功能与优势潜在改进与思考运行结果总结你是否曾经

Mysql表的简单操作(基本技能)

《Mysql表的简单操作(基本技能)》在数据库中,表的操作主要包括表的创建、查看、修改、删除等,了解如何操作这些表是数据库管理和开发的基本技能,本文给大家介绍Mysql表的简单操作,感兴趣的朋友一起看... 目录3.1 创建表 3.2 查看表结构3.3 修改表3.4 实践案例:修改表在数据库中,表的操作主要

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

springboot简单集成Security配置的教程

《springboot简单集成Security配置的教程》:本文主要介绍springboot简单集成Security配置的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录集成Security安全框架引入依赖编写配置类WebSecurityConfig(自定义资源权限规则

一文详解如何从零构建Spring Boot Starter并实现整合

《一文详解如何从零构建SpringBootStarter并实现整合》SpringBoot是一个开源的Java基础框架,用于创建独立、生产级的基于Spring框架的应用程序,:本文主要介绍如何从... 目录一、Spring Boot Starter的核心价值二、Starter项目创建全流程2.1 项目初始化(

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

使用Java实现通用树形结构构建工具类

《使用Java实现通用树形结构构建工具类》这篇文章主要为大家详细介绍了如何使用Java实现通用树形结构构建工具类,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... 目录完整代码一、设计思想与核心功能二、核心实现原理1. 数据结构准备阶段2. 循环依赖检测算法3. 树形结构构建4. 搜索子