的建站公司,线上销售平台,网站建设小工具,seo刷关键词排名优化一、什么是增量聚合函数
在Flink Window中定义了窗口分配器#xff0c;我们只是知道了数据属于哪个窗口#xff0c;可以将数据收集起来了#xff1b;至于收集起来到底要做什么#xff0c;其实还完全没有头绪#xff0c;这也就是窗口函数所需要做的事情。所以在窗口分配器…一、什么是增量聚合函数
在Flink Window中定义了窗口分配器我们只是知道了数据属于哪个窗口可以将数据收集起来了至于收集起来到底要做什么其实还完全没有头绪这也就是窗口函数所需要做的事情。所以在窗口分配器之后我们还要再接上一个定义窗口如何进行计算的操作这就是所谓的“窗口函数”window functions。 窗口可以将数据收集起来最基本的处理操作当然就是基于窗口内的数据进行聚合。 我们可以每来一个数据就在之前结果上聚合一次这就是“增量聚合”。 典型的增量聚合函数有两个ReduceFunction 和 AggregateFunction。
二、ReduceFunction
源码解析
FunctionalInterface
Public
public interface ReduceFunctionT extends Function, Serializable {T reduce(T var1, T var2) throws Exception;
}实际案例 在Flink中使用socket模拟实时的数据流DataStream通过定义一个滚动窗口窗口的大小为10s按照id分区使用reduce聚合函数实现value的累加统计
package com.flink.DataStream.WindowFunctions;import com.flink.POJOs.WaterSensor;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.common.functions.ReduceFunction;
import org.apache.flink.api.java.functions.KeySelector;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.KeyedStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.assigners.TumblingProcessingTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;public class FlinkWindowReduceFunction {public static void main(String[] args) throws Exception {StreamExecutionEnvironment streamExecutionEnvironment StreamExecutionEnvironment.getExecutionEnvironment();streamExecutionEnvironment.setParallelism(1);DataStreamSourceString streamSource streamExecutionEnvironment.socketTextStream(localhost, 8888);// 注意这里为什么返回的是KeyedStream(建控流/分区流)而不是DataStreamKeyedStreamWaterSensor, String keyedStream streamSource// 使用map函数将输入的string转为一个WaterSensor类.map(new MapFunctionString, WaterSensor() {Overridepublic WaterSensor map(String s) throws Exception {// 这里写的很详细如何把string转为的WaterSensor类String[] strings s.split(,);String id strings[0];Long ts Long.valueOf(strings[1]);Integer vc Integer.valueOf(strings[2]);WaterSensor waterSensor new WaterSensor();waterSensor.setId(id);waterSensor.setTs(ts);waterSensor.setVc(vc);return waterSensor;//return new WaterSensor(strings[0],Long.valueOf(strings[1]),Integer.valueOf(strings[2])}})// 按照id做keyBy分区提问KeyBy是如何实现分区的.keyBy(new KeySelectorWaterSensor, String() {// 也可以直接使用lamda表达式更简单Overridepublic String getKey(WaterSensor waterSensor) throws Exception {// getId()方法就是return的waterSensor.idreturn waterSensor.getId();}});/*** 窗口操作主要有两个部分窗口分配器Window Assigners和窗口函数WindowFunctions* .window()方法需要传入一个窗口分配器,它指明了窗口的类型* */SingleOutputStreamOperatorWaterSensor outputStreamOperator keyedStream// 设置滚动窗口的大小10秒.window(TumblingProcessingTimeWindows.of(Time.seconds(10)))// 使用匿名函数实现增量聚合函数ReduceFunction.reduce(new ReduceFunctionWaterSensor() {Overridepublic WaterSensor reduce(WaterSensor waterSensor1, WaterSensor waterSensor2) throws Exception {System.out.println(调用reduce方法之前的结果: waterSensor1 ,现在来的数据: waterSensor2);return new WaterSensor(waterSensor1.getId(), System.currentTimeMillis(), waterSensor1.getVc() waterSensor2.getVc());}});outputStreamOperator.print();streamExecutionEnvironment.execute();}
}启动Flink程序启动nc模拟输入
nc -lk 8888
# 00-10秒输入
a,11111,1
# 11-20秒输入
a,11111,2
a,22222,3
# 21-30秒输入
a,11111,4查看控制台打印结果
WaterSensor{ida, ts11111, vc1}
调用reduce方法之前的结果:WaterSensor{ida, ts11111, vc2},现在来的数据:WaterSensor{ida, ts22222, vc3}
WaterSensor{ida, ts1702022598011, vc5}
WaterSensor{ida, ts11111, vc4}三、AggregateFunction
虽然ReduceFunction 可以解决大多数归约聚合的问题但是我们通过上述案例可以发现这个接口有一个限制就是聚合状态的类型、输出结果的类型都必须和输入数据类型一样。 Flink Window API 中的 aggregate 就突破了这个限制可以定义更加灵活的窗口聚合操作。这个方法需要传入一个 AggregateFunction 的实现类作为参数。AggregateFunction 可以看作是 ReduceFunction 的通用版本这里有三种类型输入类型IN、累加器类型ACC和输出类型OUT。输入类型 IN 就是输入流中元素的数据类型累加器类型 ACC 则是我们进行聚合的中间状态类型而输出类型当然就是最终计算结果的类型了。
PublicEvolving
public interface AggregateFunctionIN, ACC, OUT extends Function, Serializable {ACC createAccumulator();ACC add(IN var1, ACC var2);OUT getResult(ACC var1);ACC merge(ACC var1, ACC var2);
}接口中有四个方法 1.createAccumulator() 创建一个累加器这就是为聚合创建了一个初始状态每个聚合任务只会调用一次。 2.add() 将输入的元素添加到累加器中。 3.getResult() 从累加器中提取聚合的输出结果。 4.merge() 合并两个累加器并将合并后的状态作为一个累加器返回。 所以可以看到AggregateFunction 的工作原理是首先调用 createAccumulator()为任务初始化一个状态累加器而后每来一个数据就调用一次 add()方法对数据进行聚合得到的结果保存在状态中等到了窗口需要输出时再调用 getResult()方法得到计算结果。很明显与 ReduceFunction 相同AggregateFunction 也是增量式的聚合而由于输入、中间状态、输出的类型可以不同使得应用更加灵活方便。
