Flink中Watermark定时生成源码分析

watermark的生成策略有两种：一种是周期性生成，另外一种是根据特定标记生成。在实际使用中大多数情况下会选择周期性生成方式也就是AssignerWithPeriodicWatermarks方式，使用方式如下：

//指定为evenTime时间语义
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
//生成watermark的周期
env.getConfig.setAutoWatermarkInterval(watermarkInterval)
//指定方式
dataStream.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[Element](Time.seconds(allowDealy)) {
   override def extractTimestamp(element: Element): Long = element.dT
  })

assignTimestampsAndWatermarks 可以理解为是一个算子转换操作，等同于map/window一样理解，可以为其设置并行度、名称，也是一个transformation/operator，

public SingleOutputStreamOperator<T> assignTimestampsAndWatermarks(
      AssignerWithPeriodicWatermarks<T> timestampAndWatermarkAssigner) {

    final int inputParallelism = getTransformation().getParallelism();
    final AssignerWithPeriodicWatermarks<T> cleanedAssigner = clean(timestampAndWatermarkAssigner);

    TimestampsAndPeriodicWatermarksOperator<T> operator =
        new TimestampsAndPeriodicWatermarksOperator<>(cleanedAssigner);

    return transform("Timestamps/Watermarks", getTransformation().getOutputType(), operator)
        .setParallelism(inputParallelism);
  }

在生成的jobGraph中，也是作为其中的一部分：

默认的名称就是 Timestamps/Watermarks。
接下来深入分析其使用的StreamOperator类型TimestampsAndPeriodicWatermarksOperator，其继承了AbstractUdfStreamOperator，实现了OneInputStreamOperator接口与ProcessingTimeCallback接口，具体包含的方法：
open方法：

public void open() throws Exception {
    super.open();
    //初始化默认当前watermark
    currentWatermark = Long.MIN_VALUE;
    //生成watermark周期时间配置
    watermarkInterval = getExecutionConfig().getAutoWatermarkInterval();
    //注册定时其配置
    if (watermarkInterval > 0) {
      long now = getProcessingTimeService().getCurrentProcessingTime();
      getProcessingTimeService().registerTimer(now + watermarkInterval, this);
    }
  }

最重要的就是getProcessingTimeService().registerTimer 注册一个watermarkInterval后触发的定时器，传入回调参数是this，也就是会调用当前对象的onProcessingTime方法(关于这部分知识可以查看Flink的定时系列)。
processElement方法：

public void processElement(StreamRecord<T> element) throws Exception {
    final long newTimestamp = userFunction.extractTimestamp(element.getValue(),
        element.hasTimestamp() ? element.getTimestamp() : Long.MIN_VALUE);

    output.collect(element.replace(element.getValue(), newTimestamp));
  }

提取当前的事件时间，在BoundedOutOfOrdernessTimestampExtractor中会保存当前最大的事件时间。

onProcessingTime方法：

public void onProcessingTime(long timestamp) throws Exception {    // register next timer
    Watermark newWatermark = userFunction.getCurrentWatermark();
    //当新的watermark大于当前的watermark
    if (newWatermark != null && newWatermark.getTimestamp() > currentWatermark) {
      currentWatermark = newWatermark.getTimestamp();
      //将符合要求的watermark发送出去
      output.emitWatermark(newWatermark);
    }
    //注册下一次触发时间
    long now = getProcessingTimeService().getCurrentProcessingTime();
    getProcessingTimeService().registerTimer(now + watermarkInterval, this);
  }

该方法表示的就是定时回调的方法，将符合要求的watermark发送出去并且注册下一个定时器。另外该方法与processElement方法是两个互斥的方法，内部使用了同一把锁做同步控制。

processWatermark方法：

public void processWatermark(Watermark mark) throws Exception {
    if (mark.getTimestamp() == Long.MAX_VALUE && currentWatermark != Long.MAX_VALUE) {
      currentWatermark = Long.MAX_VALUE;
      output.emitWatermark(mark);
    }
  }

用来处理上游发送过来的watermark，可以认为不做任何处理，下游的watermark只与其上游最近的生成方式相关。