Question

我们有一个数据流，其中每个元素都是这种类型：

id: String
type: Type
amount: Integer

我们要汇总此流，并每周输出一次amount。

当前解决方案：

示例flink管道如下所示：

stream.keyBy(type)
      .window(TumblingProcessingTimeWindows.of(Time.days(7)))
      .reduce(sumAmount())
      .addSink(someOutput())

输入

| id | type | amount |
| 1  | CAT  | 10     |
| 2  | DOG  | 20     |
| 3  | CAT  | 5      |
| 4  | DOG  | 15     |
| 5  | DOG  | 50     |

如果窗口在记录3和4之间结束，我们的输出将是：

| TYPE | sumAmount |
| CAT  | 15        | (id 1 and id 3 added together)
| DOG  | 20        | (only id 2 as been 'summed')

Id 4和5仍将位于flink管道中，并将在下周输出。

因此，下周我们的总产量将为：

| TYPE | sumAmount |
| CAT  | 15        | (of last week)
| DOG  | 20        | (of last week)
| DOG  | 65        | (id 4 and id 5 added together)

新要求：

我们现在还想知道每条记录在哪个星期内被处理。换句话说，我们的新输出应为：

| TYPE | sumAmount | weekNumber |
| CAT  | 15        | 1          |
| DOG  | 20        | 1          |
| DOG  | 65        | 2          |

但是我们还想要这样的附加输出：

| id | weekNumber |
| 1  | 1          |
| 2  | 1          |
| 3  | 1          |
| 4  | 2          |
| 5  | 2          |

如何处理？

flink有什么办法实现这一目标？我想像一下，我们将有一个汇总功能，可以对金额进行求和，但是还可以输出带有当前星期数的每条记录，例如，但是我在文档中找不到实现此目的的方法。

（注意：我们每周处理大约1亿条记录，因此理想情况下，我们只希望在一周内将集合保持在flink的状态，而不是所有单独的记录）

编辑：

我寻求以下安东描述的解决方案：

DataStream<Element> elements = 
  stream.keyBy(type)
        .process(myKeyedProcessFunction());

elements.addSink(outputElements());
elements.getSideOutput(outputTag)
        .addSink(outputAggregates())

KeyedProcessFunction类似于：

class MyKeyedProcessFunction extends KeyedProcessFunction<Type, Element, Element>
    private ValueState<ZonedDateTime> state;
    private ValueState<Integer> sum;

    public void processElement(Element e, Context c, Collector<Element> out) {
        if (state.value() == null) {
            state.update(ZonedDateTime.now());
            sum.update(0);
            c.timerService().registerProcessingTimeTimer(nowPlus7Days);
        }
        element.addAggregationId(state.value());
        sum.update(sum.value() + element.getAmount());
    }

    public void onTimer(long timestamp, OnTimerContext c, Collector<Element> out) {
        state.update(null);
        c.output(outputTag, sum.value()); 
    }
}

Answer 1

reduce方法有一个变体，它以ProcessWindowFunction作为第二个参数。您将这样使用它：

stream.keyBy(type)
  .window(TumblingProcessingTimeWindows.of(Time.days(7)))
  .reduce(sumAmount(), new WrapWithWeek())
  .addSink(someOutput())

private static class WrapWithWeek
  extends ProcessWindowFunction<Event, Tuple3<Type, Long, Long>, Type, TimeWindow> {

      public void process(Type key,
                Context context,
                Iterable<Event> reducedEvents,
                Collector<Tuple3<Type, Long, Long>> out) {
          Long sum = reducedEvents.iterator().next();
          out.collect(new Tuple3<Type, Long, Long>(key, context.window.getStart(), sum));
      }
}

通常会向ProcessWindowFunction传递一个Iterable，该Iterable包含窗口收集的所有事件，但是如果您使用reduce或Aggregation函数预聚合窗口结果，则仅将单个值传递给Iterable。有关此文档的文档为here，但是文档中的示例当前存在一个小错误，我已在此处的示例中对其进行了修复。

但是鉴于第二个输出的新要求，我建议您放弃在Windows上执行此操作的想法，而应使用键控ProcessFunction。您将需要两个每个键值ValueState：一个按周计数，另一个用于存储总和。您将需要一个每周触发一次的计时器：触发时，它应该发出类型，总和和星期数，然后递增星期数。同时，过程元素方法将仅输出每个传入事件的ID以及星期计数器的值。

Flink窗口：聚合并输出到接收器

1 个答案: