Flink知识点(二)|Flink中是怎么处理乱序数据的

news2026/3/24 18:48:18
在 Flink 里“乱序”本质是事件时间event time先后顺序和到达时间processing time不一致。Flink 处理乱序数据的核心机制主要围绕事件时间语义 Watermark 窗口触发/延迟 迟到数据处理 状态与一致性。一、时间语义Flink中有三种时间语义​Processing Time按机器当前时间处理最简单、吞吐高但对乱序不敏感乱序会直接导致窗口统计不准。​Event Time最常用​按事件自带时间戳处理Flink 用Watermark推进“事件时间进度”从而容忍一定乱序。Ingestion Time介于两者之间进入 Flink 时打时间戳现在用得较少。乱序处理几乎都建立在Event Time上。‍二、WatermarkWatermark是乱序容忍与“事件时间进度”的关键。可以理解为“我认为未来不会再来时间戳 ≤ watermark的事件了”近似判断允许误差。常见生成策略​有界乱序(Bounded Out-of-Orderness)最常用设定最大乱序程度maxOutOfOrderness例如 5swatermark ≈ 当前观测到的最大事件时间 - 5s→ 能容忍 5 秒内乱序超过就可能变成迟到数据。​单调递增Monotonous Timestamps适合源数据严格按时间递增基本无乱序。​自定义 WatermarkGenerator适合多分区、多来源、需要特殊规则比如按业务字段分组、按分区对齐等。关键点Watermark 不是“等数据到齐”而是“推进时间并触发计算”的机制。对于并行 source下游算子的 watermark 通常取各输入分区 watermark 的最小值因此某个分区卡住会拖慢整体事件时间推进。‍三、窗口Window与触发Trigger乱序数据最典型场景是做窗口聚合滚动、滑动、会话窗口。Flink 的窗口何时“关窗”默认基于事件时间时当watermarkwindow_end时触发窗口计算并输出。允许迟到Allowed Lateness延迟关窗即使窗口第一次输出了也可以设置​allowedLatenessX​窗口在window_end​ 后再额外等 X 时间在这段时间内到来的迟到事件仍会进入窗口并触发 ​更新输出取决于输出模式/下游算子。超过 allowedLateness 的事件才会被视为“最终迟到”。Trigger / Evictor高级​Trigger自定义触发逻辑例如每来一条就触发、每 N 秒触发一次、同时满足事件数/时间等。​Evictor触发前/后剔除窗口内元素较少用成本高通常能用聚合/ProcessFunction替代。‍四、迟到数据Late Events处理当事件到达时它的事件时间戳已经 ​落后于 watermark以及超过 allowed lateness就会变成迟到数据。常见处理策略直接丢弃默认简单但会损失数据很多实时大盘能接受。侧输出Side Output收集迟到数据把迟到数据打到一个旁路流做补偿计算、落库、离线回补或告警。允许迟到并更新结果Allowed Lateness窗口结果会被修正需要下游能接收“更新/撤回”语义或你用 upsert sink。用更长乱序容忍更大的 watermark 延迟减少迟到但会增加延迟latency——典型的准确性 vs 延迟权衡。‍五、有序输出与排序如果你要的是“​按事件时间严格有序输出”Flink 不会全局帮你排序成本太高但你可以Keyed 后用KeyedProcessFunction 状态 定时器将事件暂存一段时间比如 5s等 watermark/定时器到了再按时间戳输出。代价更多状态、更高延迟、可能出现内存/状态膨胀需要 TTL、容量控制。‍六、与乱序紧密相关的运行时机制乱序本身还会影响系统行为​状态State窗口/乱序缓存都依赖 state乱序越大、allowed lateness 越大state 留存越久。​State TTL防止“永不关闭”的 key 造成状态无限增长。​Checkpoint Exactly-Once保证乱序场景下也能在故障恢复后维持一致结果尤其窗口更新、迟到补偿更依赖一致性。反压Backpressurewatermark 推进慢、窗口堆积、state 变大都可能导致下游慢→反压。‍七、常见的选型建议目标低延迟优先允许少量误差用较小乱序 watermark如 1-3s不设置/少设置 allowed lateness迟到侧输出做补偿。目标结果尽量准确延迟可接受watermark 延迟设大一些如 10-60s再配 allowed latenesssink 用 upsert/幂等写支持更新。目标必须严格按事件时间有序输出KeyedProcessFunction 缓存排序 watermark/定时器释放但要严格控制状态与延迟。‍八、代码示例8.1 DataStream API8.1.1 定义Watermark事件模型 Watermark容忍乱序publicstaticclassEvent{publicStringuserId;publicStringtype;// e.g. clickpubliclongeventTime;// epoch millispublicdoubleamount;// optionalpublicEvent(){}publicEvent(StringuserId,Stringtype,longeventTime,doubleamount){this.userIduserId;this.typetype;this.eventTimeeventTime;this.amountamount;}}WatermarkStrategy容忍 5 秒乱序 source 空闲检测避免拖慢 watermarkimportorg.apache.flink.api.common.eventtime.*;importjava.time.Duration;WatermarkStrategyEventwmWatermarkStrategy.EventforBoundedOutOfOrderness(Duration.ofSeconds(5)).withTimestampAssigner((e,ts)-e.eventTime).withIdleness(Duration.ofSeconds(30));// 可选分区空闲 30s 视为 idle‍8.1.2 窗口聚合// 典型大盘统计10 秒滚动窗口允许再等 10 秒 修正超过 allowed lateness 的走侧输出。importorg.apache.flink.api.common.functions.AggregateFunction;importorg.apache.flink.api.java.tuple.Tuple2;importorg.apache.flink.streaming.api.datastream.*;importorg.apache.flink.streaming.api.environment.StreamExecutionEnvironment;importorg.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;importorg.apache.flink.streaming.api.windowing.time.Time;importorg.apache.flink.util.OutputTag;publicclassWindowAggDemo{privatestaticfinalOutputTagEventLATE_TAGnewOutputTagEvent(late-events){};publicstaticvoidmain(String[]args)throwsException{StreamExecutionEnvironmentenvStreamExecutionEnvironment.getExecutionEnvironment();env.setParallelism(1);DataStreamEventsourceenv.fromElements(newEvent(u1,click,1_000L,1),newEvent(u1,click,4_000L,1),newEvent(u1,click,3_000L,1),// 乱序newEvent(u1,click,12_000L,1),newEvent(u1,click,2_000L,1)// 可能迟到);WatermarkStrategyEventwmWatermarkStrategy.EventforBoundedOutOfOrderness(java.time.Duration.ofSeconds(5)).withTimestampAssigner((e,ts)-e.eventTime).withIdleness(java.time.Duration.ofSeconds(30));SingleOutputStreamOperatorEventwithWmsource.assignTimestampsAndWatermarks(wm);SingleOutputStreamOperatorTuple2String,LongcntwithWm.keyBy(e-e.userId).window(TumblingEventTimeWindows.of(Time.seconds(10))).allowedLateness(Time.seconds(10))// 窗口结束后再等 10s.sideOutputLateData(LATE_TAG)// 超过 allowed lateness 的进侧输出.aggregate(newCountAgg());cnt.print(WINDOW);cnt.getSideOutput(LATE_TAG).print(LATE);env.execute(Window Agg Out-of-Order Demo);}publicstaticclassCountAggimplementsAggregateFunctionEvent,Long,Tuple2String,Long{privateStringkey;OverridepublicLongcreateAccumulator(){return0L;}OverridepublicLongadd(Eventv,Longacc){keyv.userId;returnacc1;}OverridepublicTuple2String,LonggetResult(Longacc){returnTuple2.of(key,acc);}OverridepublicLongmerge(Longa,Longb){returnab;}}}‍8.1.3 JoinInterval Join// 两条流都要 assign watermarks否则事件时间 join 不会按预期工作。importorg.apache.flink.streaming.api.datastream.*;importorg.apache.flink.streaming.api.functions.co.ProcessJoinFunction;importorg.apache.flink.streaming.api.windowing.time.Time;importorg.apache.flink.util.Collector;// left stream: ordersDataStreamEventorders...;// 记得 assignTimestampsAndWatermarks(wm)// right stream: paymentsDataStreamEventpayments...;// 记得 assignTimestampsAndWatermarks(wm)SingleOutputStreamOperatorStringjoinedorders.assignTimestampsAndWatermarks(wm).keyBy(e-e.userId).intervalJoin(payments.assignTimestampsAndWatermarks(wm).keyBy(e-e.userId))// 匹配条件payment.eventTime 在 order.eventTime 之后 0~600s.between(Time.seconds(0),Time.minutes(10))// 可选迟到容忍Interval Join 的迟到处理主要靠 watermark 这个参数// .withLowerBoundExclusive() / .withUpperBoundExclusive() 也可用.process(newProcessJoinFunctionEvent,Event,String(){OverridepublicvoidprocessElement(Eventleft,Eventright,Contextctx,CollectorStringout){out.collect(JOIN userleft.userId orderTsleft.eventTime payTsright.eventTime);}});joined.print(INTERVAL_JOIN);Interval Join 的关键风险状态膨胀join 本质要把一侧数据在 state 里“留一段时间等待匹配”等待窗口大between 范围大 乱序大watermark 延迟大 state 留得更久‍Window Joinimportorg.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;DataStreamEventa...;// with watermarksDataStreamEventb...;// with watermarksDataStreamStringwindowJoineda.keyBy(e-e.userId).join(b.keyBy(e-e.userId)).where(e-e.userId).equalTo(e-e.userId).window(TumblingEventTimeWindows.of(Time.seconds(10))).apply((left,right)-WIN_JOIN userleft.userId aTsleft.eventTime bTsright.eventTime);windowJoined.print(WINDOW_JOIN);‍8.2 Flink SQL8.2.1 SQL声明 watermark TUMBLE 窗口聚合CREATETABLEevents(user_id STRING,typeSTRING,tsTIMESTAMP(3),WATERMARKFORtsASts-INTERVAL5SECOND)WITH(connectorkafka,topicevents,properties.bootstrap.serverslocalhost:9092,properties.group.idg1,scan.startup.modeearliest-offset,formatjson);CREATETABLEsink_print(window_startTIMESTAMP(3),window_endTIMESTAMP(3),user_id STRING,cntBIGINT)WITH(connectorprint);INSERTINTOsink_printSELECTwindow_start,window_end,user_id,COUNT(*)AScntFROMTABLE(TUMBLE(TABLEevents,DESCRIPTOR(ts),INTERVAL10SECOND))GROUPBYwindow_start,window_end,user_id;‍8.2.2 SQL流-流 Interval Join-- 写法核心两张表都要 watermark并在 ON 条件里写清楚时间范围。CREATETABLEorders(order_id STRING,user_id STRING,tsTIMESTAMP(3),WATERMARKFORtsASts-INTERVAL5SECOND)WITH(...);CREATETABLEpayments(pay_id STRING,user_id STRING,tsTIMESTAMP(3),WATERMARKFORtsASts-INTERVAL5SECOND)WITH(...);CREATETABLEsink_join(order_id STRING,pay_id STRING,user_id STRING,order_tsTIMESTAMP(3),pay_tsTIMESTAMP(3))WITH(connectorprint);INSERTINTOsink_joinSELECTo.order_id,p.pay_id,o.user_id,o.tsASorder_ts,p.tsASpay_tsFROMorders oJOINpayments pONo.user_idp.user_id-- payment 在 order 之后 0~10分钟内ANDp.tsBETWEENo.tsANDo.tsINTERVAL10MINUTE;强烈建议SQL 里配状态 TTL防止 join 状态无限长-- 让 join / 聚合等算子的 state 有 TTL示例 2 小时你按业务改SETtable.exec.state.ttl2 h;‍

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.coloradmin.cn/o/2425652.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…