flink批处理-时间和窗口

流处理 :流处理是对连续产生的实时数据进行即时处理的技术,数据以事件流的形式逐条(flink)或按小批次(spark)处理,无需等待完整数据集就绪。
批处理 :批处理是对静态数据集按固定批次(如每小时/每天)进行离线处理的技术,遵循"先存储后处理"模式。
有界流 :有界流:具有明确的开始和结束点(如静态文件、数据库表)。有界流处理通常被称为批处理。
无界流:只有开始点,数据持续产生无终止(如Kafka消息流、IoT传感器数据)。

flink通过划定一段时间范围(时间窗),对在这范围内的数据进行处理,就是所谓的窗口计算。flink通过这种方式,实现数据的批处理。

窗口和时间往往是分不开的,所以需要了解flink中的时间语义和窗口的概念。

Flink的时间语义和窗口机制是流处理的核心组件,其设计原理和应用方式如下:

一、时间语义

1.事件时间(Event Time)‌

数据产生时自带的时间戳,需配合水位线(Watermark)处理乱序事件,适用于需要精确时间戳的场景

2.处理时间(Processing Time)‌

算子本地系统时间,延迟低但结果不可重现,适用于实时性要求高的场景

3.摄入时间(Ingestion Time)‌

数据进入Flink Source的时间。

二、窗口类型

1. 按驱动方式

‌时间窗口‌:基于时间范围划分,包括滚动、滑动、会话三种子类型。

‌计数窗口‌:基于数据条数划分,与时间无关。

2. 按分配规则

类型 特点 示例场景
滚动窗口 固定长度、无重叠(如每小时统计) 日活用户统计
滑动窗口 固定长度、可重叠(如每5分钟统计近1小时) 实时监控报警
会话窗口 动态间隙触发(用户无操作后关闭) 用户行为分析
全局窗口 需自定义触发器(如批处理) 全量聚合计算

三、关键机制

‌1.水位线(Watermark)

用于处理事件时间乱序。

2.窗口函数

增量聚合(ReduceFunction)

全量计算(ProcessWindowFunction)

3.迟到数据处理

通过侧输出流(Side Output)或允许延迟(Allowed Lateness)保障结果准确性

复制代码
// 事件时间滑动窗口
dataStream
  .assignTimestampsAndWatermarks(WatermarkStrategy
    .<Event>forBoundedOutOfOrderness(Duration.ofSeconds(5)))
  .keyBy(Event::getUserId)
  .window(SlidingEventTimeWindows.of(Time.seconds(30), Time.seconds(5)))
  .aggregate(new CustomAggregate());
相关推荐
starzy19901 小时前
Structured Streaming 案例剖析:一个 8 万 QPS 实时大屏的完整落地与三次线上事故复盘
大数据·spark
大大大大晴天11 小时前
浅聊维度建模中的星型模型与雪花模型
大数据
数字新视界16 小时前
能耗管理系统提升企业能源效率的实践与展望
大数据·人工智能·数据中心·机房管理·模块化机房
大大大大晴天16 小时前
别让金额越算越多:事实表与维度表设计避坑指南
大数据
如夏倾城17 小时前
入侵检测系统(IDS)原理、部署模式与 IPS/防火墙对比
大数据·网络·人工智能·网络安全·云原生·架构·kubernetes
wuyk55518 小时前
Spider-第20讲-综合实战可上线爬虫
大数据·爬虫·python·elasticsearch
培培说证18 小时前
大数据与会计专业性价比高的证书有哪些?
大数据
伞伞悦读20 小时前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习
老余说AI20 小时前
跨境电商、课程出海:六款多语言视频翻译工具选型指南
大数据·运维·人工智能
starzy199021 小时前
Structured Streaming 模块与编程模型:引擎内部到底由什么组成
大数据·hadoop·hdfs