我也是flink和流媒体的新手 . 我想为每个分区应用一个特定的功能到流的每个窗口(使用事件时间) . 到目前为止我所做的是:
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
val inputStream = env.readTextFile("dataset.txt")
.map(transformStream(_))
.assignAscendingTimestamps(_.eventTime)
.keyBy(_.id)
.timeWindow(Time.seconds(windowSize),Time.seconds(slidingStep))
def transformStream(input: String): EventStream = {...}
case class EventStream(val eventTime: Long, val id: String, actualEvent: String)
我想要做的是对每个窗口批处理的每个分区应用一般函数,可能应用复杂的处理算法或类似的东西 . 我已经看到该方法适用于DataStream API,但我不明白它是如何工作的 . 在Flink API中,它表示它在Scala中的使用方式如下:
inputStream.apply { WindowFunction }
有人可以解释一下apply方法的用途或使用方法吗? Scala中的一个例子是可取的 . apply方法是否符合我的要求?
3 回答
因此,根据您想要进行的计算类型,基本上有两个可能的方向 . 使用:
fold
/reduce
/aggregate
或更通用的,您已经提到过 -apply
. 所有这些都适用于Windows的钥匙 .至于
apply
,它是一种非常通用的计算方法 . 最基本的版本(在Scala中)将是:其中function有4个参数:
窗口的键(记住你正在使用keyedStream)
窗口(您可以从中提取窗口的开始或结束)
分配给此特定窗口和键的元素
您应该向其发出处理结果的收集器
必须记住,这个版本必须保持每个元素处于状态,直到窗口被发出 . 更好的内存性能解决方案是使用带有preAgreggator的版本,该版本在触发上述功能之前执行一些计算 .
在这里你可以看到一个预先聚合的简短片段:
它会计算会话窗口中密钥的出现次数 .
所以基本上如果你不需要窗口的元信息,我会坚持
fold
\ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _考虑应用某种预先聚合,如果这还不够,请看一下最通用的apply
.有关更完整的示例,您可以查看here .
就我而言,您可以将map / flatmap / keyBy函数调用应用于有状态窗口数据
val inputStream
,以便更改数据 . 所以,如果你要创造class DoSthWithYourStream {...}
在哪里定义方法和输入数据限制,然后您可以创建另一个值:
val inputStreamChanged = inputStream .map( a => DoSthWithYourStream.Change2ColumnsIntoOne(a.change1st, a.change2nd), a) .flatMap(new DoSthWithYourStream())
Examples extending Java Classed and applying Scala classes into the stream using map/flapmap/key etc
如果你想使用CEP,我认为最好的选择是利用CEP pattern API
val pattern = Pattern.begin("start").where(_.getId == 42) .next("middle").subtype(classOf[SubEvent]).where(_.getVolume >= 10.0) .followedBy("end").where(_.getName == "end")
val patternStream = CEP.pattern(inputStream, pattern)
val result: DataStream[Alert] = patternStream.select(createAlert(_))
事实证明它需要一点Scala魔法 . 到目前为止我所做的是:
从我的实验中,processPartition方法在整个批处理上应用了一个“键分区”的功能(批处理将只包含具有相同键的元素) . 我从Java API中获取了此方法的参数 . 如果任何人都可以详细说明apply函数及其工作方式,那将会非常有用 .