首页  思维导图  详情



 



Flink技术分享

2022-07-02 09:25:37   0  举报





flink生态知识树，算子特点，选型等

大数据

实时分析

流式处理

模板推荐

作者其他创作

大纲/内容

运行架构

运行的组件介绍

组成

slot

任务提交流程

任务提交流程和调度原理

window

生命周期

创建

当窗口第一个元素到达时就该创建

销毁

当窗口最后一个时间达到时+允许延迟时间

allowedLateness

窗口将被移除，仅限time-based-window

举例

滚动窗口5分钟大小，允许延迟1分钟，那么1：00-1：05，1：06分钟窗口移除

Trigger-触发器

指窗口函数在什么条件下触发计算

还可以在创建和删除之间，清除窗口内容，仅限于窗口内元素，而不是窗口元数据，意味着仍然可以添加数据到该窗口中

举例

窗口大小超过4或者达到水位线触发计算

Evicter-驱逐器

将在触发器触发之后或者函数应用前后，过滤窗口中的元素

Window的函数

函数定义了应用于窗口生命周期内的计算逻辑

watermark的介绍

作用

out of order/late event

eventTime处理进度标志

表示没有比水位线更低的数据了

基于watermark触发窗口计算

有序流中的watermark

基于eventTime是有序

此时watermark就是一个简单的周期性标记

乱序流中的watermark

基于eventTime是无序

它告诉算子比watermark的时间戳更小的已经达到，算子可以将内部时间提前到watermark时间戳，即触发窗口计算

并行流中的watermark

特点

通常在source后面生成，但是后续流程中也可以生成

指定多次，后面的watermark会覆盖前面的值

source的每个subtask，会生成独立的水位线

通过当前算子时，会推进当前算子的eventTime，同时会生成一个新的watermark给下游算子

多算子（union，keyby）当前eventTime是其输入流的最小值

时间属性的介绍

事件时间

时间戳+watermark

只有基于eventtime的事件流，需要指明时间戳和watermark的生成方式

指定时间特性为eventtime

两种生成方式

直接source function中生成

assginTimestampsAndWaterMark

含义

提取时间戳作为eventtime，默认为processtime

限制

只在构建window时，才起作用

场景

指定window来处理事件时间时，用来指定事件时间怎么获取

两种watermark

PeriodicWatermark

含义

基于Timer

setAutoWatermakerIntever（默认200ms）设置watermark发送周期

实现了AssignerWithPeriodicWatermark

方式

周期性的调用getCurrentWatemark(),如果获取的watermark不等于null且比上一个watermark大，就往下游发送

实现

递增

AscendingTimestampExtractor

场景，数据流有序的

延迟

BoundedOutOfOrdernessTimestampExtractor<br>

场景，数据流乱序的

PuncuateWatermark

含义

基于某些事件触发wagermark的生成和发送（由代码实现，例如遇到特殊元素）

实现了AssignerWithPuncuateWatermark

子主题

处理时间

事件摄取时间

不同窗口的介绍

滚动窗口

特点

时间对齐

对齐方式

默认eligned with epoch（整点，正分，正秒）

子主题

event不重复

窗口长度固定

滑动窗口

特点

时间对齐

event重复

窗口长度固定

事件窗口

特点

时间不对齐

events不重叠

没有固定的窗口大小

场景

基于用户行为进行统计分析

使用

Gap

固定

动态

特殊处理方式

全局窗口

特点<br>

有相同的key会分配给一个独立窗口

必须指定自定义触发器

与nokey窗口是两个概念

窗口分类器

windowsAll

并行度固定1

window join

window key

tableAPI和SQL讲解和现阶段的成果

背景

产生的原因和设计思想

概念透析

概览

Flink API

最顶层抽象是 SQL

包含

都是 SQL 查询表达式

作用

优势

SQL 查询语句可以在 Table API 中定义的表上执行

局限

SQL 抽象与 Table API 抽象之间的关联是非常紧密的

第三层抽象是 Table API

包含

以表（Table）为中心的声明式编程（DSL）API

作用

优势

表和 DataStream/DataSet 可以进行无缝切换

Table API 与 DataStream/DataSet API 混合使用

执行之前还会使用优化器中的优化规则对用户编写的表达式进行优化。

局限

还是比 Core API 的表达能力差

第二层抽象是 Core APIs

包含

DataStream API

DataSet API

作用

优势

Fluent API为数据处理提供了通用的模块组件

自定义转换（transformations）、联接（joins）、聚合（aggregations）、窗口（windows）和状态（state）操作等

此层 API 中处理的数据类型在每种编程语言中都有其对应的类

局限

最底层的抽象为有状态实时流处理

包含

抽象实现是 Process Function

作用

优点

DataStream API可集成使用

自由地处理来自单流或多流的事件（数据）

提供具有全局一致性和容错保障的状态

此层抽象中注册事件时间（event time）和处理时间（processing time）回调方法，从而允许程序可以实现复杂计算。

局限

过于抽象，不容易编写程序

有状态实时流处理-stateful stream processing

含义

keyed state

状态持久化（Persistence）

Checkpointing

Unaligned Checkpointing

State Backends

Savepoints

Exactly Once vs. At Least Once

及时流处理-Timely stream processing

含义

是有状态实时流的扩展

时间概念

Event Time and Processing Time

Event Time and Watermarks <br>

Watermarks in Parallel Streams

迟到

窗口

flink架构

部署模式

流处理的常规操作

把常用的处理操作展示一下

状态和容错的介绍

有状态计算的介绍

checkpoint的算法

时间可以的话讲讲源码，调优

 Collect

Get Started

flink pipe

 Collect

Get Started

分享改

 Collect

Get Started

优惠分享

 Collect

Get Started

分享管理





0 条评论

下一页