Flink处理函数实战之三：窗口处理

本文是《Flink处理函数实战》系列的第三篇，内容是学习如下两个窗口相关的处理函数：java

ProcessAllWindowFunction：处理每一个窗口内的全部元素；
ProcessWindowFunction：处理指定key的每一个窗口内的全部元素；

前文连接

关于ProcessAllWindowFunction

ProcessAllWindowFunction和《Flink处理函数实战之一：ProcessFunction类》中的ProcessFunction类类似，都是用来对上游过来的元素作处理，不过ProcessFunction是每一个元素执行一次processElement方法，ProcessAllWindowFunction是每一个窗口执行一次process方法（方法内能够遍历该窗口内的全部元素）；
用类图对比能够更形象的认识差异，下图左侧是ProcessFunction，右侧是ProcessAllWindowFunction：

关于ProcessWindowFunction

ProcessWindowFunction和KeyedProcessFunction相似，都是处理分区的数据，不过KeyedProcessFunction是每一个元素执行一次processElement方法，而ProcessWindowFunction是每一个窗口执行一次process方法（方法内能够遍历该key当前窗口内的全部元素）；
用类图对比能够更形象的认识差异，下图左侧是KeyedProcessFunction，右侧是ProcessWindowFunction：
另外还一个差别：ProcessWindowFunction.process方法的入参就有分区的key值，而KeyedProcessFunction.processElement方法的入参没有这个参数，而是须要Context.getCurrentKey()才能取到分区的key值；

注意事项

窗口处理函数的process方法，以ProcessAllWindowFunction为例，以下图红框所示，其入参能够遍历当前窗口内的全部元素，这意味着当前窗口的全部元素都保存在堆内存中，因此请在设计阶段就严格控制窗口内元素的内存使用量，避免耗尽TaskManager节点的堆内存：

接下来经过实战学习ProcessAllWindowFunction和ProcessWindowFunction；

git

版本信息

开发环境操做系统：MacBook Pro 13寸， macOS Catalina 10.15.4
开发工具：IntelliJ IDEA 2019.3.2 (Ultimate Edition)
JDK：1.8.0_121
Maven：3.3.9
Flink：1.9.2

源码下载

若是您不想写代码，整个系列的源码可在GitHub下载到，地址和连接信息以下表所示(https://github.com/zq2599/blog_demos)：程序员

名称	连接	备注
项目主页	https://github.com/zq2599/blog_demos	该项目在GitHub上的主页
git仓库地址(https)	https://github.com/zq2599/blog_demos.git	该项目源码的仓库地址，https协议
git仓库地址(ssh)	git@github.com:zq2599/blog_demos.git	该项目源码的仓库地址，ssh协议

这个git项目中有多个文件夹，本章的应用在flinkstudy文件夹下，以下图红框所示：

github

如何实战ProcessAllWindowFunction

接下来经过如下方式验证ProcessAllWindowFunction功能：apache

每隔1秒发出一个Tuple2<String, Integer>对象，对象的f0字段在aaa和bbb之间变化，f1字段固定为1；
设置5秒的滚动窗口；
自定义ProcessAllWindowFunction扩展类，功能是统计每一个窗口内元素的数量，将统计结果发给下游算子；
下游算子将统计结果打印出来；
核对发出的数据和统计信息，看是否一致；

开始编码

继续使用《Flink处理函数实战之一：ProcessFunction类》一文中建立的工程flinkstudy；
新建ProcessAllWindowFunctionDemo类，以下：

package com.bolingcavalry.processwindowfunction;

import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.streaming.api.TimeCharacteristic;
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.streaming.api.functions.source.SourceFunction;
import org.apache.flink.streaming.api.functions.windowing.ProcessAllWindowFunction;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
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.util.Date;

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

        // 使用事件时间
        env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);

        // 并行度为1
        env.setParallelism(1);

        // 设置数据源，一共三个元素
        DataStream<Tuple2<String,Integer>> dataStream = env.addSource(new SourceFunction<Tuple2<String, Integer>>() {
            @Override
            public void run(SourceContext<Tuple2<String, Integer>> ctx) throws Exception {
                for(int i=1; i<Integer.MAX_VALUE; i++) {
                    // 只有aaa和bbb两种name
                    String name = 0==i%2 ? "aaa" : "bbb";

                    // 使用当前时间做为时间戳
                    long timeStamp = System.currentTimeMillis();

                    // 将数据和时间戳打印出来，用来验证数据
                    System.out.println(String.format("source，%s, %s\n",
                            name,
                            time(timeStamp)));

                    // 发射一个元素，而且带上了时间戳
                    ctx.collectWithTimestamp(new Tuple2<String, Integer>(name, 1), timeStamp);

                    // 每发射一次就延时1秒
                    Thread.sleep(1000);
                }
            }

            @Override
            public void cancel() {

            }
        });

        // 将数据用5秒的滚动窗口作划分，再用ProcessAllWindowFunction
        SingleOutputStreamOperator<String> mainDataStream = dataStream
                // 5秒一次的滚动窗口
                .timeWindowAll(Time.seconds(5))
                // 统计当前窗口内的元素数量，而后把数量、窗口起止时间整理成字符串发送给下游算子
                .process(new ProcessAllWindowFunction<Tuple2<String, Integer>, String, TimeWindow>() {
                    @Override
                    public void process(Context context, Iterable<Tuple2<String, Integer>> iterable, Collector<String> collector) throws Exception {
                        int count = 0;

                        // iterable能够访问当前窗口内的全部数据，
                        // 这里简单处理，只统计了元素数量
                        for (Tuple2<String, Integer> tuple2 : iterable) {
                            count++;
                        }

                        // 将当前窗口的起止时间和元素数量整理成字符串
                        String value = String.format("window, %s - %s, %d\n",
                                // 当前窗口的起始时间
                                time(context.window().getStart()),
                                // 当前窗口的结束时间
                                time(context.window().getEnd()),
                                // 当前key在当前窗口内元素总数
                                count);

                        // 发射到下游算子
                        collector.collect(value);
                    }
                });

        // 打印结果，经过分析打印信息，检查ProcessWindowFunction中能够处理全部key的整个窗口的数据
        mainDataStream.print();

        env.execute("processfunction demo : processallwindowfunction");
    }

    public static String time(long timeStamp) {
        return new SimpleDateFormat("hh:mm:ss").format(new Date(timeStamp));
    }
}

关于ProcessAllWindowFunctionDemo，有几点须要注意：
a. 滚动窗口设置用timeWindowAll方法；
b. ProcessAllWindowFunction的匿名子类的process方法中，context.window().getStart()方法能够取得当前窗口的起始时间，getEnd()方法能够取得当前窗口的结束时间；
编码结束，执行ProcessAllWindowFunctionDemo类验证数据，以下图，检查其中一个窗口的元素详情和ProcessAllWindowFunction执行结果，可见符合预期：
ProcessAllWindowFunction已经了解，接下来尝试ProcessWindowFunction；

如何实战ProcessWindowFunction

接下来经过如下方式验证ProcessWindowFunction功能：windows

每隔1秒发出一个Tuple2<String, Integer>对象，对象的f0字段在aaa和bbb之间变化，f1字段固定为1；
以f0字段为key进行分区；
分区后的数据进入5秒的滚动窗口；
自定义ProcessWindowFunction扩展类，功能之一是统计每一个key在每一个窗口内元素的数量，将统计结果发给下游算子；
功能之二是在更新当前key的元素总量，而后在状态后端(backend)保存，这是验证KeyedStream在处理函数中的状态读写能力；
下游算子将统计结果打印出来；
核对发出的数据和统计信息（每一个窗口的和总共的分别核对），看是否一致；

开始编码

新建ProcessWindowFunctionDemo.java：

package com.bolingcavalry.processwindowfunction;


import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.java.tuple.Tuple2;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.TimeCharacteristic;
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.streaming.api.functions.source.SourceFunction;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
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.util.Date;

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

        // 使用事件时间
        env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);

        // 并行度为1
        env.setParallelism(1);

        // 设置数据源，一共三个元素
        DataStream<Tuple2<String,Integer>> dataStream = env.addSource(new SourceFunction<Tuple2<String, Integer>>() {
            @Override
            public void run(SourceContext<Tuple2<String, Integer>> ctx) throws Exception {
                int aaaNum = 0;
                int bbbNum = 0;

                for(int i=1; i<Integer.MAX_VALUE; i++) {
                    // 只有aaa和bbb两种name
                    String name = 0==i%2 ? "aaa" : "bbb";

                    //更新aaa和bbb元素的总数
                    if(0==i%2) {
                        aaaNum++;
                    } else {
                        bbbNum++;
                    }

                    // 使用当前时间做为时间戳
                    long timeStamp = System.currentTimeMillis();

                    // 将数据和时间戳打印出来，用来验证数据
                    System.out.println(String.format("source，%s, %s, aaa total : %d, bbb total : %d\n",
                            name,
                            time(timeStamp),
                            aaaNum,
                            bbbNum));

                    // 发射一个元素，而且戴上了时间戳
                    ctx.collectWithTimestamp(new Tuple2<String, Integer>(name, 1), timeStamp);

                    // 每发射一次就延时1秒
                    Thread.sleep(1000);
                }
            }

            @Override
            public void cancel() {

            }
        });

        // 将数据用5秒的滚动窗口作划分，再用ProcessWindowFunction
        SingleOutputStreamOperator<String> mainDataStream = dataStream
                // 以Tuple2的f0字段做为key，本例中实际上key只有aaa和bbb两种
                .keyBy(value -> value.f0)
                // 5秒一次的滚动窗口
                .timeWindow(Time.seconds(5))
                // 统计每一个key当前窗口内的元素数量，而后把key、数量、窗口起止时间整理成字符串发送给下游算子
                .process(new ProcessWindowFunction<Tuple2<String, Integer>, String, String, TimeWindow>() {

                    // 自定义状态
                    private ValueState<KeyCount> state;

                    @Override
                    public void open(Configuration parameters) throws Exception {
                        // 初始化状态，name是myState
                        state = getRuntimeContext().getState(new ValueStateDescriptor<>("myState", KeyCount.class));
                    }

                    @Override
                    public void process(String s, Context context, Iterable<Tuple2<String, Integer>> iterable, Collector<String> collector) throws Exception {

                        // 从backend取得当前单词的myState状态
                        KeyCount current = state.value();

                        // 若是myState还从未没有赋值过，就在此初始化
                        if (current == null) {
                            current = new KeyCount();
                            current.key = s;
                            current.count = 0;
                        }

                        int count = 0;

                        // iterable能够访问该key当前窗口内的全部数据，
                        // 这里简单处理，只统计了元素数量
                        for (Tuple2<String, Integer> tuple2 : iterable) {
                            count++;
                        }

                        // 更新当前key的元素总数
                        current.count += count;

                        // 更新状态到backend
                        state.update(current);

                        // 将当前key及其窗口的元素数量，还有窗口的起止时间整理成字符串
                        String value = String.format("window, %s, %s - %s, %d, total : %d\n",
                                // 当前key
                                s,
                                // 当前窗口的起始时间
                                time(context.window().getStart()),
                                // 当前窗口的结束时间
                                time(context.window().getEnd()),
                                // 当前key在当前窗口内元素总数
                                count,
                                // 当前key出现的总数
                                current.count);

                        // 发射到下游算子
                        collector.collect(value);
                    }
                });

        // 打印结果，经过分析打印信息，检查ProcessWindowFunction中能够处理全部key的整个窗口的数据
        mainDataStream.print();

        env.execute("processfunction demo : processwindowfunction");
    }

    public static String time(long timeStamp) {
        return new SimpleDateFormat("hh:mm:ss").format(new Date(timeStamp));
    }

    static class KeyCount {
        /** * 分区key */
        public String key;

        /** * 元素总数 */
        public long count;
    }

}

上述代码有几处须要关注：
a. 静态类KeyCount.java，是用来保存每一个key元素总数的数据结构；
b. timeWindow方法设置了市场为5秒的滚动窗口；
c. 每一个Tuple2元素以f0为key进行分区；
d. open方法对名为myState的自定义状态进行注册；
e. process方法中，state.value()取得当前key的状态，tate.update(current)更新当前key的状态；
接下来运行ProcessWindowFunctionDemo类检查数据，以下图，process方法内，对窗口内元素的统计和数据源打印的一致，而且从backend取得的总数在累加后和数据源的统计信息也一致：

至此，处理函数中窗口处理相关的实战已经完成，若是您也在学习Flink的处理函数，但愿本文能给您一些参考；

Flink处理函数实战之三：窗口处理

前文连接

关于ProcessAllWindowFunction

关于ProcessWindowFunction

注意事项

版本信息

源码下载

如何实战ProcessAllWindowFunction

开始编码

如何实战ProcessWindowFunction

开始编码

欢迎关注个人公众号：程序员欣宸