当前位置: 代码迷 >> 综合 >> Flink WaterMaker详解
  详细解决方案

Flink WaterMaker详解

热度:50   发布时间:2023-09-13 04:33:50.0

什么是 WaterMaker

WaterMaker 水位线在很多地方都有应用,
其含义也不尽相同,
在Flink中,水位线是用来触发窗口计算的
其本质相当于一个flink流中的一个 带时间戳的Event
Flink在处理这个特殊 Event 的时候,
会认为该 Event携带的时间戳之前时间的所有数据都已经到了。
因此根据这个特性会触发相关窗口的计算逻辑。

WaterMaker有什么用

主要就是用来解决数据乱序问题

形象说明

  1. 假设我们现在是5s触发一个窗口计算
  2. 假设不加水印, 当 6s的事件到达,则会触发[0,5)的窗口计算
  3. 此时如果有 4s的事件来了,则该事件将不会被处理。
  4. 当我们加上延时2s的水位线,6s的事件来了, 6s的事件会被放在 [5,10)的窗口,
    其计算的水位在 6-2=4s。此时Flink触发窗口的计算会依据 水位线来,
    也就是说不会触发[0,5)的窗口。
  5. 此时如果再来一个 4s的事件,其依然会被正常加入到[0,5)的窗口,
    但是水位线我们一般需要设置成递增,所以水位线应该还是在4s而不是 4-2=2s
  6. 当 7s的事件 到来,水位线变成7-2=5s,则Flink认为之后都不会再来 5s之前的数据了,
    于是其就可以计算并关闭[0,5)的窗口。
  7. 所以我们可以看到,延时之后,4s的事件被正常处理了,
    这就是水位线存在的意义。
  8. 但是水位线无法完全解决乱序问题,
    其主要还是为了缓解乱序。
    理论上,没有办法通过Flink做到完全解决乱序问题,
    但是通过 allowedLateness侧输出流 的方式
    根据实际业务可以达到业务上面的完全顺序

WaterMaker的传递

因为Flink是分布式并行计算的,
所以水位的传递不是线性那么简单

Flink WaterMaker详解
image.png

这是一张官网的图,我们来解读一下加深理解。

  1. 首先图中的Task代表着Flink SubTask
    也就是图中最大的方框
  2. 每个Task里面会为上游发送来的流准备一个分区
    所以大方框的小方框代表的是每个分区里面的 WaterMaker,
    也就是上游的waterMaker
  3. 单个分区里面的WaterMaker是递增的,
    接收到新的WaterMarker就会更新
  4. Task的WaterMarker 是该Taks所有分区最低的WaterMarker。
  5. 下游Task接受到的是上游Task的 WaterMarker广播出来的。
    也就是上游Task所有分区中最低的WaterMarker
  6. 所以看到第一个图,Task接受4个上游Task来的数据,
    分别为他们存在四个分区里面 2 ,4 ,3 ,6,
    而本身的 WaterMarker则是最低的 2。
    其广播给下游的三个Task的 WaterMarker 都是2.
    2,3,4图类似....

WaterMarker 实践

恩恩恩~~~~这部分就省略了....
随便翻翻都有一堆.....

  相关解决方案