投稿
  1. 极客之音首页
  2. 技术随笔

结合案例总结Flink框架中的最底层API（ProcessFunction)用法

飞熊 • • 技术随笔 • 阅读 84

有时候，不是因为你没有能力，也不是因为你缺少勇气，只是因为你付出的努力还太少，所以，成功便不会走向你。而你所需要做的，就是坚定你的梦想，你的目标，你的未来，然后以不达目的誓不罢休的那股劲，去付出你的努力，成功就会慢慢向你靠近。

导读：本篇文章讲解 结合案例总结Flink框架中的最底层API（ProcessFunction)用法，希望对大家有帮助，欢迎收藏，转发！站点地址：www.bmabk.com，来源：原文


大家好，我是百思不得小赵。

创作时间：2022 年 5 月 30 日
博客主页： 🔍点此进入博客主页
—— 新时代的农民工 🙊
—— 换一种思维逻辑去看待这个世界 👀
今天是加入CSDN的第1185天。觉得有帮助麻烦👏点赞、🍀评论、❤️收藏

概述

在之前总结的文章中有提到过，Flink框架提供了三层API完成流处理任务。至此已经学习了DataStream API ，ProcessFunction API 是Flink中最底层的API，可以访问时间戳、watermark 以及注册定时事件。还可以输出特定的一些事件。、
在这里插入图片描述

Process Function 用来构建事件驱动的应用以及实现自定义的业务逻辑，若窗口函数以及转换算子都无法满足业务的要求时，需要请出ProcessFunction 去完成开发任务。Flink SQL 就是使用 Process Function 实现的。

Flink 提供了 8 个 Process Function如下：ProcessFunction、KeyedProcessFunction、CoProcessFunction、ProcessJoinFunction、BroadcastProcessFunction、KeyedBroadcastProcessFunction、ProcessWindowFunction、ProcessAllWindowFunction。接下来我们以KeyedProcessFunction为例来进行学习。

KeyedProcessFunction<K, I, O>

它主要用来操作KeyedStream，会处理流的每一个元素，输出为 0 个、1 个或者多个元素。所有的 Process Function 都继承自RichFunction 接口，所以都有 open()、close()和 getRuntimeContext()等方法。除此之外还提供了两个方法：

  • 数据流中的每一个元素都会调用这个方法，调用结果将会放在 Collector 数据类型中输出。Context 可以访问元素的时间戳，元素的key，以及 TimerService 时间服务。Context 还可以将结果输出到别的流(side outputs)。
processElement(I value, Context ctx, Collector<O> out)
  • 当之前注册的定时器触发时调用。参数 timestamp 为定时器所设定的触发的时间戳。Collector为输出结果的集合。OnTimerContext 和processElement 的 Context 参数一样，提供了上下文的一些信息。例如定时器触发的时间信息(事件时间或者处理时间)。
onTimer(long timestamp, OnTimerContext ctx, Collector<O> out)

定时器

Context 中 TimerService对象方汇总：

  • 返回当前处理时间
long currentProcessingTime()
  • 返回当前 watermark 的时间戳
long currentWatermark()
  • 注册当前 key 的processing time 的定时器，当 processing time 到达定时时间时，触发 timer。
void registerProcessingTimeTimer(long timestamp)
  • 注册当前 key 的 event time 定时器。当水位线大于等于定时器注册的时间时，触发定时器执行回调函数。
void registerEventTimeTimer(long timestamp)
  • 删除之前注册处理时间定时器。如果没有这个时间戳的定时器，则不执行
void deleteProcessingTimeTimer(long timestamp)
  • 删除之前注册的事件时间定时器，如果没有此时间戳的定时器，则不执行。
void deleteEventTimeTimer(long timestamp)

测试代码：

public class ProcessTest1_KeyedProcessFunction {
    public static void main(String[] args) throws Exception{
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        DataStreamSource<String> inputStream = env.socketTextStream("localhost", 7777);
        DataStream<SensorReading> dataStream = inputStream.map(line -> {
            String[] fields = line.split(",");
            return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
        });

        //测试keyedprocessFunction 先分组，自定义处理
        dataStream.keyBy("id")
                .process(new MyProcess())
                .print();


        env.execute();
    }

    // 实现自定义处理函数
    public static class MyProcess extends KeyedProcessFunction<Tuple,SensorReading,Integer> {

        ValueState<Long> tsTimeState;

        @Override
        public void open(Configuration parameters) throws Exception {
            tsTimeState = getRuntimeContext().getState(new ValueStateDescriptor<Long>(
                    "tsTimeState",Long.class
            ));
        }

        @Override
        public void processElement(SensorReading value, Context ctx, Collector<Integer> out) throws Exception {
            out.collect(value.getId().length());

            // Context操作
            ctx.timestamp();
            ctx.getCurrentKey();
            // 侧流
            //ctx.output();
            // 获取当前系统处理时间
            ctx.timerService().currentProcessingTime();
            // 获取当前事件时间
            ctx.timerService().currentWatermark();
            // 注册系统处理时间定时器
            ctx.timerService().registerProcessingTimeTimer( ctx.timerService().currentProcessingTime() + 1000L);
            tsTimeState.update( ctx.timerService().currentProcessingTime() + 1000L);

            // 注册事件时间定时器
            //ctx.timerService().registerEventTimeTimer((value.getTimestamp() + 10) * 1000L);
            // 删除时间
            //ctx.timerService().deleteProcessingTimeTimer(tsTimeState.value());
        }

        @Override
        public void onTimer(long timestamp, OnTimerContext ctx, Collector<Integer> out) throws Exception {
            System.out.println(timestamp+"定时器触发");

            ctx.getCurrentKey();
            //ctx.output();
            ctx.timeDomain();
        }

        @Override
        public void close() throws Exception {
            tsTimeState.clear();
        }
    }
}

一个案例：

监控温度传感器的温度值，如果温度值在 10 秒钟之内连续上升，则报警。

public class ProcessTest2_ApplicationCase {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        DataStreamSource<String> inputStream = env.socketTextStream("localhost", 7777);
        DataStream<SensorReading> dataStream = inputStream.map(line -> {
            String[] fields = line.split(",");
            return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
        });


        dataStream.keyBy("id")
                .process(new TempConsIncreWarring(10))
                .print();

        env.execute();
    }

    // 自定义函数 检测一段时间（时间域）内温度连续上升，输出报警
    private static class TempConsIncreWarring extends KeyedProcessFunction<Tuple, SensorReading, String> {
        // 定义时间域
        private Integer interval;

        public TempConsIncreWarring(Integer interval) {
            this.interval = interval;
        }

        // 定义状态，保存上一个温度值，定时器时间戳
        private ValueState<Double> lastTempState;
        private ValueState<Long> tsTimeState;

        @Override
        public void open(Configuration parameters) throws Exception {
            lastTempState = getRuntimeContext().getState(new ValueStateDescriptor<Double>(
                    "lastTempState", Double.class, Double.MIN_VALUE));
            tsTimeState = getRuntimeContext().getState(new ValueStateDescriptor<Long>(
                    "tsTimeState", Long.class));
        }

        @Override
        public void processElement(SensorReading value, Context ctx, Collector<String> out) throws Exception {
            //  取出状态
            Double lastTemp = lastTempState.value();
            Long tsTime = tsTimeState.value();

            //  如果温度上升就要注册10秒后的定时器且在无定时器时，等待
            if (value.getTemperature() > lastTemp && tsTime == null) {
                // 计算出定时器时间戳
                Long ts = ctx.timerService().currentProcessingTime() + interval * 1000L;
                // 注册定时器
                ctx.timerService().registerProcessingTimeTimer(ts);
                // 更新时间状态
                tsTimeState.update(ts);
            }
            // 如果温度下降 需要删除定时器
            if (value.getTemperature() < lastTemp && tsTime != null) {
                ctx.timerService().deleteProcessingTimeTimer(tsTime);
                // 清空时间状态定时器
                tsTimeState.clear();
            }

            //  更新温度状态
            lastTempState.update(value.getTemperature());
        }

        @Override
        public void onTimer(long timestamp, OnTimerContext ctx, Collector<String> out) throws Exception {
            //     定时器触发 输出报局信息
            out.collect("传感器"+ ctx.getCurrentKey().getField(0) + "温度值连续"+ interval +"秒一直处于上升");
            tsTimeState.clear();
        }

        @Override
        public void close() throws Exception {
            lastTempState.clear();
        }
    }
}

运行结果：
在这里插入图片描述

侧流输出

侧流输出功能可以产生多条流，并且这些流的数据类型可以不一样。一个侧流可以定义为 OutputTag[X]对象，X 是输出流的数据类型。

一个案例：

监控传感器温度值，将温度值低于 30 度的数据输出到 SideOutput

public class ProcessTest3_SideOutputCase {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        DataStreamSource<String> inputStream = env.socketTextStream("localhost", 7777);

        DataStream<SensorReading> dataStream = inputStream.map(line -> {
            String[] fields = line.split(",");
            return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
        });


        // 定义outputTag 表示低温流
        OutputTag lowTemp = new OutputTag<SensorReading>("lowTemp") {
        };

        // 自定义测输出流实现分流操作
        SingleOutputStreamOperator<SensorReading> highTempStream = dataStream.process(new ProcessFunction<SensorReading, SensorReading>() {

            @Override
            public void processElement(SensorReading value, Context ctx, Collector<SensorReading> out) throws Exception {
                // 判断温度大于30 为高温流 输出到主流 低温流输出在侧流
                if (value.getTemperature() > 30) {
                    out.collect(value);
                } else {
                    ctx.output(lowTemp, value);
                }
            }
        });

        highTempStream.print("high-Temp");
        highTempStream.getSideOutput(lowTemp).print("low");


        env.execute();
    }
}

运行结果：
在这里插入图片描述

在这里插入图片描述

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/144883.html

赞 (0)
飞熊的头像飞熊bm
0 0

相关推荐

发表回复

登录后才能评论
极客之音——专业性很强的中文编程技术网站，欢迎收藏到浏览器，订阅我们！