flink对于迟到数据的处理

Flink 对迟到数据的处理主要通过以下机制实现：

waterMark和Window机制解决了流式数据的乱序问题，对于因为延迟而顺序有误的数据，可以根据eventTime进行业务处理，对于延迟的数据Flink也有自己的解决办法，

主要的办法是给定一个允许延迟的时间，在该时间范围内仍可以接受处理延迟数据

设置允许延迟的时间是通过allowedLateness(lateness: Time)设置

保存延迟数据则是通过sideOutputLateData(outputTag: OutputTag $T$ )保存

获取延迟数据是通过DataStream.getSideOutput(tag: OutputTag $X$ )获取

1. 允许延迟（Allowed Lateness）

通过 allowedLateness 设置窗口关闭后的容忍时间。在此时间内到达的数据仍可触发窗口计算：

复制代码

windowedStream
    .allowedLateness(Duration.ofMinutes(5))
    .reduce(new MyReduceFunction());

2. 侧输出（Side Output）

超过容忍时间的数据可通过侧输出捕获：

复制代码

OutputTag<T> lateDataTag = new OutputTag<>("late-data");
WindowedStream<T> windowed = input
    .keyBy(...)
    .window(...)
    .allowedLateness(...)
    .sideOutputLateData(lateDataTag);

DataStream<T> lateStream = windowed.getSideOutput(lateDataTag);

3. 水位线（Watermark）机制

水位线标记事件时间进度，其生成策略（如 BoundedOutOfOrderness）直接影响延迟容忍度：

复制代码

env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
env.getConfig().setAutoWatermarkInterval(1000);

DataStream<T> withTimestamps = input
    .assignTimestampsAndWatermarks(
        new BoundedOutOfOrdernessTimestampExtractor<T>(Duration.ofSeconds(10)) {
            @Override
            public long extractTimestamp(T element) {
                return element.getEventTime();
            }
        });

4. 窗口状态清理

窗口触发后状态默认保留至 allowedLateness 结束，需注意避免状态无限增长：

复制代码

windowedStream
    .trigger(new MyTrigger()) // 自定义触发器
    .evictor(new MyEvictor()); // 自定义清理器

处理流程示例

复制代码

1. 水位线推进至窗口结束时间
2. 窗口初次计算结果输出
3. 允许延迟期内新数据触发更新计算
4. 延迟期结束后：
   - 侧输出捕获迟到数据
   - 清除窗口状态

注意事项

容忍时间过长可能导致状态存储压力
侧输出数据需单独定义处理逻辑
事件时间与处理时间需明确区分

通过组合水位线、允许延迟和侧输出机制，Flink 实现了对乱序数据的鲁棒性处理，保障计算结果的准确性。