Flink的WaterMark，及demo实例

        实际生产中，由于各种原因，导致事件创建时间与处理时间不一致，收集的规定对实时推荐有较大的影响。所以一般情况时选取创建时间，然后事先创建flink的时间窗口。但是问题来了，如何保证这个窗口的时间内所有事件都到齐了？这个时候就可以设置水位线（waterMark）。

概念：支持基于时间窗口操作，由于事件的时间来源于源头系统，很多时候由于网络延迟、分布式处理，以及源头系统等各种原因导致源头数据的事件时间可能乱序。这时可以设定一个时间阈值，或者说水位线（waterMark），其作用定义一个最大乱序时间，比如某条日志时间为2019-01-01 08:00:10，如果乱序最大允许时间为10s，那么就认为2019-01-01 08:00:00之前产生的所有事件都到齐了，可以进行计算。

时间窗口：指定一个固定时间间隔的窗口

一、滑动窗口

1、SlidingEventTimeWindows.of(Time.second(4), Time.seconds(3))：表示滑动窗口大小为4秒，滑动步长是3 秒，同时，每3秒才滑动一次；

2、每条数据存活的时间为滑动窗口的大小；

3、如果滑动窗口超过之前的窗口，那么后面来的属于前面窗口的数据会丢失；

4、来了一条数据，边移动边计算滑动窗口的数据（一个窗口停留，计算一次，不移动，不计算 ），直至窗口到达指定位置。

计算某位置时间的公式：   

//n：时间戳；size窗口大小；slide：滑动长度
//根据等差公式推导
an = a1 + (x-1)*s
a1 = size - slide -1
x = [n - (size-slide)]/slide     //除数后再乘以slide
s = slide
 
//当来了一条时间戳为n的事件，就认为指定位置时间之前的所有事件都到齐了
指定位置 = (size-slide-1) + [(n-waterMark) - (size-slide)]/slide * slide   

二、翻滚窗口

基于时间窗口，对连续数据进行迭代计算时，不会重叠。翻滚窗口是一个特殊的滑动窗口，当窗口的长度等于滑动的长度时，滑动窗口就是翻滚窗口。

计算某位置时间的公式：

指定位置 = -1 + (n-waterMark)/size * size     //除数后再乘以size，size为窗口大小，n为时间戳

三、会话窗口

时间间隔达到一定时间长度时才进行统计计算。

##

测试代码（需要集群telnet一个producer）：

package com.cjs
 
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor
import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.api.scala._
import org.apache.flink.streaming.api.windowing.assigners.{SlidingEventTimeWindows, TumblingEventTimeWindows}
 
object WaterMarkTest {
 
    /**
      *想使用WaterMark，需要3个步骤：
      * 1、对数据进行timestamp提取，即调用assignTimestampsAndWatermarks函数，
      *     实例化BoundedOutOfOrdernessTimestampExtractor，重写extractTimestamp方法
      * 2、设置使用事件时间，因为WaterMark是基于事件时间
      * 3、定义时间窗口：翻滚窗口（TumblingEventWindows）、滑动窗口（timeWindow）
      * 任意一个没有实现，都会报异常：Record has Long.MIN_VALUE timestamp (= no timestamp marker). Is the time characteristic set to 'ProcessingTime', or did you forget to call 'DataStream.assignTimestampsAndWatermarks(...)'?
      */
    def main(args: Array[String]): Unit = {
        val senv = StreamExecutionEnvironment.getExecutionEnvironment
 
        val streamAdd  = senv.socketTextStream("192.168.112.10",9999)
        val stream = streamAdd.assignTimestampsAndWatermarks(
                new BoundedOutOfOrdernessTimestampExtractor[String](Time.seconds(0)) {  //WaterMark设置
                    //对数据流进行处理，获取timestamp，对数据流就够不影响
                    override def extractTimestamp(element: String): Long ={
                        //定义timestamp怎么从数据中抽取出来
                        val eventTime = element.split(" ")(0).toLong
                        print(s"$eventTime \n")
                        eventTime
                    }
                })  //提取时间戳之后，该数据流是带有时间的，用于事件窗口
            .map(x=>(x.split(" ")(1),1L)).keyBy(0)
 
        //设置使用事件时间，因为WaterMark是基于事件时间
        senv.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
        //定义翻滚窗口
//        stream.window(TumblingEventTimeWindows.of(Time.seconds(3))).sum(1).print()
//        stream.sum(1).print()   //直接输出，没有用到事件时间窗口，flink默认是累计统计，来一个，统计一个
        //定义滑动窗口
        stream.window(SlidingEventTimeWindows.of(Time.seconds(4),Time.seconds(2))).sum(1).print()
        senv.execute("watermark")
    }
 
}