Flink WindowAssigner 源码解析

[图片上传失败...(image-f7216-1616420673356)]

当你在使用 Flink 窗口的时候有没有想过数据是怎么被划分到窗口里面的? 它是根据什么规则划分的? 相信看完这篇文章你就明白了.

@PublicEvolvingpublic <W extends Window> WindowedStream<T, KEY, W> window(WindowAssigner<? super T, W> assigner) {   return new WindowedStream<>(this, assigner);}

当有数据流入到 Window Operator 时需要按照一定规则将数据分配给窗口,WindowAssigner 为数据分配窗口。在新版本里已经把 timeWindow 标记为弃用状态,统一改成了 window 方法,该方法接收的输入是一个 WindowAssigner, WindowAssigner 负责将每条输入的数据分发到正确的 window 中(一条数据可能同时分发到多个 Window 中),Flink 提供了几种通用的 WindowAssigner:tumbling window(窗口间的元素无重复),sliding window(窗口间的元素可能重复),session window 以及 global window。比如 TumblingEventTimeWindows 就是一个基于 eventtime 时间语义的滚动窗口.如果需要自己定制数据分发策略,则可以实现一个 class,继承自 WindowAssigner。

我们先来看一下 WindowAssigner 类的源码如下:

/** * A {@code WindowAssigner} assigns zero or more {@link Window Windows} to an element. * * <p>In a window operation, elements are grouped by their key (if available) and by the windows to * which it was assigned. The set of elements with the same key and window is called a pane. * When a {@link Trigger} decides that a certain pane should fire the * {@link org.apache.flink.streaming.api.functions.windowing.WindowFunction} is applied * to produce output elements for that pane. * * @param <T> The type of elements that this WindowAssigner can assign windows to. * @param <W> The type of {@code Window} that this assigner assigns. */@PublicEvolvingpublic abstract class WindowAssigner<T, W extends Window> implements Serializable {   private static final long serialVersionUID = 1L;   /**    * Returns a {@code Collection} of windows that should be assigned to the element.    *    * @param element The element to which windows should be assigned.    * @param timestamp The timestamp of the element.    * @param context The {@link WindowAssignerContext} in which the assigner operates.    */   public abstract Collection<W> assignWindows(T element, long timestamp, WindowAssignerContext context);   /**    * Returns the default trigger associated with this {@code WindowAssigner}.    */   public abstract Trigger<T, W> getDefaultTrigger(StreamExecutionEnvironment env);   /**    * Returns a {@link TypeSerializer} for serializing windows that are assigned by    * this {@code WindowAssigner}.    */   public abstract TypeSerializer<W> getWindowSerializer(ExecutionConfig executionConfig);   /**    * Returns {@code true} if elements are assigned to windows based on event time,    * {@code false} otherwise.    */   public abstract boolean isEventTime();   /**    * A context provided to the {@link WindowAssigner} that allows it to query the    * current processing time.    *    * <p>This is provided to the assigner by its containing    * {@link org.apache.flink.streaming.runtime.operators.windowing.WindowOperator},    * which, in turn, gets it from the containing    * {@link org.apache.flink.streaming.runtime.tasks.StreamTask}.    */   public abstract static class WindowAssignerContext {      /**       * Returns the current processing time.       */      public abstract long getCurrentProcessingTime();   }}

这是一个抽象类主要有 4 个方法,简单说一下每个方法的作用:

  1. assignWindows 将某个带有时间戳timestamp的元素element分配给一个或多个窗口,并返回窗口集合
  2. getDefaultTrigger 返回WindowAssigner默认的 trigger
  3. getWindowSerializer 返回一个类型序列化器用来序列化窗口
  4. isEventTime 是否是 event time

然后再来看一下 WindowAssigner 的实现类 UML 图,如下所示:

[图片上传失败...(image-53ca6a-1616420635622)]

<figcaption style="margin-top: 10px; text-align: center; color: rgb(153, 153, 153); font-size: 0.7em;">image-20210316223805191</figcaption>

这里主要展示了 eventime 语义的, 可以看出 WindowAssigner 有 4 种不同的类型:

  • Tumbling windows
  • Sliding windows
  • Session windows
  • Global windows

接下来看一下大家用的比较多的 TumblingEventTimeWindows 和 SlidingEventTimeWindows 的源码(processing time 的实现类似) 看下窗口的划分到底是怎么实现的?

TumblingEventTimeWindows 源码

@Overridepublic Collection<TimeWindow> assignWindows(Object element, long timestamp, WindowAssignerContext context) {   if (timestamp > Long.MIN_VALUE) {      if (staggerOffset == null) {         staggerOffset = windowStagger.getStaggerOffset(context.getCurrentProcessingTime(), size);      }      // Long.MIN_VALUE is currently assigned when no timestamp is present      long start = TimeWindow.getWindowStartWithOffset(timestamp, (globalOffset + staggerOffset) % size, size);      return Collections.singletonList(new TimeWindow(start, start + size));   } else {      throw new RuntimeException("Record has Long.MIN_VALUE timestamp (= no timestamp marker). " +            "Is the time characteristic set to 'ProcessingTime', or did you forget to call " +            "'DataStream.assignTimestampsAndWatermarks(...)'?");   }}

元素的时间戳肯定是大于 Long.MIN_VALUE 的,所以会走到 if 里面 staggerOffset 默认值是空的,所以会先初始化(这个是一个新特性为了解决同一时间触发大量的窗口计算造成的性能问题),然后根据 timestamp 和 size 计算出窗口的开始时间,最后返回一个存储 TimeWindow 的单例集合.

SlidingEventTimeWindows 源码

@Overridepublic Collection<TimeWindow> assignWindows(Object element, long timestamp, WindowAssignerContext context) {   if (timestamp > Long.MIN_VALUE) {      List<TimeWindow> windows = new ArrayList<>((int) (size / slide));      long lastStart = TimeWindow.getWindowStartWithOffset(timestamp, offset, slide);      for (long start = lastStart;         start > timestamp - size;         start -= slide) {         windows.add(new TimeWindow(start, start + size));      }      return windows;   } else {      throw new RuntimeException("Record has Long.MIN_VALUE timestamp (= no timestamp marker). " +            "Is the time characteristic set to 'ProcessingTime', or did you forget to call " +            "'DataStream.assignTimestampsAndWatermarks(...)'?");   }}

滑动窗口跟上面的滚动窗口最大的不同是数据不是分配到一个窗口,而是分配到 size / slide 个不同的窗口里面,返回的是窗口的集合.

/**     * Method to get the window start for a timestamp.     *     * @param timestamp epoch millisecond to get the window start.     * @param offset The offset which window start would be shifted by.     * @param windowSize The size of the generated windows.     * @return window start     */    public static long getWindowStartWithOffset(long timestamp, long offset, long windowSize) {        return timestamp - (timestamp - offset + windowSize) % windowSize;    }

首先会根据元素的 timestamp offset slide 计算出窗口开始的时间戳,然后循环初始化给定的size内不同slide的窗口对象,最后返回一个 List

Session windows 和 Global windows 的实现相对简单这里就不在展开分析了,感兴趣的同学可以自己去看一下.

总结

这篇文章主要解析了 Window Assigner 的实现原理,结合滚动窗口和滑动窗口的源码分析了具体的实现过程.让大家对窗口的划分有更加深入的理解.

推荐阅读

Flink SQL 如何实现列转行?

Flink SQL 结合 HiveCatalog 使用

Flink SQL 解析嵌套的 JSON 数据

Flink SQL 中动态修改 DDL 的属性

如果你觉得文章对你有帮助,麻烦点一下在看吧,你的支持是我最大的动力.

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,717评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,501评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,311评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,417评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,500评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,538评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,557评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,310评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,759评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,065评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,233评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,909评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,548评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,172评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,420评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,103评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,098评论 2 352

推荐阅读更多精彩内容