拓展需求：实时统计双十一下单量，实时统计成交额，实时查看锅炉温度变化曲线，每个5分钟看一下过去一个小时温度变化曲线，
涉及到的技术点：sliding window、Watermark、event time
用到的算子或者说叫链式调用：keyby、timeWindow、aggregate、assignTimestampsAndWatermarks、filter、processFunction底层API
PopularPlacesToEs
框架：flume -> Kafka、flink、es、kibana
涉及到的技术点：sliding window、watermark、event time
用到的算子：keyby、filter、apply、map、timeWindow
抽取出业务时间戳，告诉Flink框架基于业务时间做窗口
过滤出点击行为数据
按一小时的窗口大小，每5分钟统计一次，做滑动窗口聚合（Sliding Window）
按每个窗口聚合，输出每个窗口中点击量前N名的商品
public class HotItems { public static void main(String[] args) throws Exception { //创建执行环境 execution environment StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); // 告诉系统按照 EventTime 处理 env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); // 为了打印到控制台的结果不乱序，我们配置全局的并发为1，改变并发对结果正确性没有影响 //env.setMaxParallelism(1); //Caused by: org.apache.flink.runtime.JobException: Vertex Split Reader: Custom File source -> Timestamps/Watermarks -> Filter's parallelism (8) is higher than the max parallelism (1). Please lower the parallelism or increase the max parallelism. env.setParallelism(1); // UserBehavior.csv 的本地文件路径, 在 resources 目录下 URL fileURL = HotItems.class.getClassLoader().getResource("UserBehavior.csv"); Path filePath = Path.fromLocalFile(new File(fileURL.toURI())); //抛出异常URISyntaxException // 抽取 UserBehavior 的 TypeInformation，是一个 PojoTypeInfo ??? PojoTypeInfo<UserBehavior> pojoType = (PojoTypeInfo<UserBehavior>) TypeExtractor.createTypeInfo(UserBehavior.class);//TypeInformation<UserBehavior> String[] fieldOrder = new String[]{"userId", "itemId", "categoryId", "behavior", "timestamp"}; //创建PojoCsvInputFormat PojoCsvInputFormat<UserBehavior> csvInput = new PojoCsvInputFormat<>(filePath, pojoType, fieldOrder); // 创建数据源，得到 UserBehavior 类型的 DataStream env.createInput(csvInput, pojoType) .assignTimestampsAndWatermarks(new AscendingTimestampExtractor<UserBehavior>() { @Override public long extractAscendingTimestamp(UserBehavior userBehavior) { return userBehavior.timestamp * 1000;// 原始数据单位秒，将其转成毫秒 } }).filter(new FilterFunction<UserBehavior>() { // 过滤出只有点击的数据 @Override public boolean filter(UserBehavior userBehavior) throws Exception { return userBehavior.behavior.equals("pv"); } }).keyBy("itemId")// 我们使用.keyBy("itemId")对商品进行分组聚合 // 使用.timeWindow(Time size, Time slide)对每个商品做滑动窗口（1小时窗口，5分钟滑动一次）。 .timeWindow(Time.minutes(60), Time.minutes(5)) //别导错包了 .aggregate(new CountAgg(), new WindowResultFunction()) //CountAgg统计窗口中的条数； 商品ID，窗口，点击量封装成了ItemViewCount进行输出 .keyBy("windowEnd") .process(new TopNHotItems(3)).print(); env.execute("Hot Items job"); } /** * 求某个窗口中前 N 名的热门点击商品，key 为窗口时间戳，输出为 TopN 的结果字符串 */ public static class TopNHotItems extends KeyedProcessFunction<Tuple, ItemViewCount, String> { private final int topSize; public TopNHotItems(int topSize) throws Exception { this.topSize = topSize; } // 用于存储商品与点击数的状态，待收齐同一个窗口的数据后，再触发 TopN 计算 private ListState<ItemViewCount> itemState; /* * 这里我们还使用了ListState<ItemViewCount>来存储收到的每条ItemViewCount消息， * 保证在发生故障时，状态数据的不丢失和一致性。 * ListState是Flink提供的类似Java List接口的State API， * 它集成了框架的checkpoint机制，自动做到了exactly-once的语义保证。*/ @Override public void open(Configuration parameters) throws Exception { super.open(parameters); ListStateDescriptor<ItemViewCount> itemsStateDesc = new ListStateDescriptor<>( "itemState-state",//状态的描述符 ItemViewCount.class);//存储的类型 //从运行时上下文获取 itemState = getRuntimeContext().getListState(itemsStateDesc); } /* * ProcessFunction是Flink提供的一个low-level API，用于实现更高级的功能。 * 它主要提供了定时器timer的功能（支持EventTime或ProcessingTime）。 * 本案例中我们将利用timer来判断何时收齐了某个window下所有商品的点击量数据。 * 由于Watermark的进度是全局的，在processElement方法中，每当收到一条数据（ItemViewCount），我们就注册一个windowEnd+1的定时器（Flink框架会自动忽略同一时间的重复注册）。 * windowEnd+1的定时器被触发时，意味着收到了windowEnd+1的Watermark，即收齐了该windowEnd下的所有商品窗口统计值。 * 我们在onTimer()中处理将收集的所有商品及点击量进行排序，选出TopN，并将排名信息格式化成字符串后进行输出。*/ @Override public void processElement(ItemViewCount input, Context context, Collector<String> collector) throws Exception { // 每条数据都保存到状态中 itemState.add(input); // 注册 windowEnd+1 的 EventTime Timer, 当触发时，说明收齐了属于windowEnd窗口的所有商品数据 context.timerService().registerEventTimeTimer(input.windowEnd + 1); } @Override public void onTimer(long timestamp, OnTimerContext ctx, Collector<String> out) throws Exception { // 获取收到的所有商品点击量 List<ItemViewCount> allItems = new ArrayList<>(); for (ItemViewCount item : itemState.get()) { allItems.add(item); } // 提前清除状态中的数据，释放空间 itemState.clear(); // 按照点击量从大到小排序 allItems.sort(new Comparator<ItemViewCount>() { @Override public int compare(ItemViewCount o1, ItemViewCount o2) { return (int) (o2.viewCount - o1.viewCount); } }); // 将排名信息格式化成 String, 便于打印 StringBuilder result = new StringBuilder(); result.append("=========================== "); result.append("时间：").append(new Timestamp(timestamp - 1)).append(" "); for (int i = 0; i < allItems.size() && i < topSize; i++) { ItemViewCount currentItem = allItems.get(i); // No1: 商品ID=12224 浏览量=2413 result.append("No").append(i).append(":") .append(" 商品ID=").append(currentItem.itemId) .append(" 浏览量=").append(currentItem.viewCount) .append(" "); } result.append("========================== "); // 控制输出频率，模拟实时滚动结果 Thread.sleep(1000); out.collect(result.toString()); //super.onTimer(timestamp, ctx, out); } } /** 用于输出窗口的结果 */ /** 将每个key每个窗口聚合后的结果带上其他信息进行输出。*/ /** * 我们这里实现的WindowResultFunction将主键商品ID，窗口，点击量封装成了ItemViewCount进行输出。 */ private static class WindowResultFunction implements WindowFunction<Long, ItemViewCount, Tuple, TimeWindow> { @Override public void apply(Tuple key, // 窗口的主键，即 itemId TimeWindow window, // 窗口 Iterable<Long> aggregateResult,// 聚合函数的结果，即 count 值 Collector<ItemViewCount> collector) // 输出类型为 ItemViewCount { Long itemId = ((Tuple1<Long>) key).f0; Long count = aggregateResult.iterator().next(); collector.collect(ItemViewCount.of(itemId, window.getEnd(), count)); } } /** * 商品点击量(窗口操作的输出类型) */ public static class ItemViewCount { //public public long itemId; // 商品ID public long windowEnd; // 窗口结束时间戳 public long viewCount; // 商品的点击量 public static ItemViewCount of(long itemId, long windowEnd, long viewCount) { ItemViewCount result = new ItemViewCount(); result.itemId = itemId; result.windowEnd = windowEnd; result.viewCount = viewCount; return result; } } /** COUNT 统计的聚合函数实现，每出现一条记录加一 */ /** 接口: AggregateFunction(in, acc, out) */ /** * 这里的CountAgg实现了AggregateFunction接口，功能是统计窗口中的条数，即遇到一条数据就加一。 */ public static class CountAgg implements AggregateFunction<UserBehavior, Long, Long> { @Override public Long createAccumulator() { return 0L; } @Override public Long add(UserBehavior userBehavior, Long acc) { return acc + 1; } @Override public Long getResult(Long acc) { return acc; } @Override public Long merge(Long acc1, Long acc2) { return acc1 + acc2; } } /** * 用户行为数据结构 **/ public static class UserBehavior { public long userId; // 用户ID public long itemId; // 商品ID public int categoryId; // 商品类目ID public String behavior; // 用户行为, 包括("pv", "buy", "cart", "fav") public long timestamp; // 行为发生的时间戳，单位秒 } }
=========================== 时间：2017-11-26 09:05:00.0 No0: 商品ID=5051027 浏览量=3 No1: 商品ID=3493253 浏览量=3 No2: 商品ID=4261030 浏览量=3 ========================== =========================== 时间：2017-11-26 09:10:00.0 No0: 商品ID=812879 浏览量=5 No1: 商品ID=2600165 浏览量=4 No2: 商品ID=2828948 浏览量=4 ========================== =========================== 时间：2017-11-26 09:15:00.0 No0: 商品ID=812879 浏览量=7 No1: 商品ID=138964 浏览量=5 No2: 商品ID=4568476 浏览量=5 ==========================