我有一系列有关资源的事件,如下所示:
id, type, count
1, view, 1
1, download, 3
2, view, 1
3, view, 1
1, download, 2
3, view, 1
我正在尝试按每种资源生成统计信息(总计),因此,如果我得到如上所示的流,结果应为:
id, views, downloads
1, 1, 5
2, 1, 0
3, 2, 0
现在,我编写了一个ProcessFunction来计算总数,如下所示:
public class CountTotals extends ProcessFunction<Event, ResourceTotals> {
private ValueState<ResourceTotals> totalsState;
@Override
public void open(Configuration config) throws Exception {
ValueStateDescriptor<ResourceTotals> totalsDescriptor = new ValueStateDescriptor<>("totals state", ResourceTotals.class);
totalsDescriptor.setQueryable("resource-totals");
totalsState = getRuntimeContext().getState(totalsDescriptor);
}
@Override
public void processElement(Event event, Context ctx, Collector<ResourceTotals> out) throws Exception {
ResourceTotals totals = totalsState.value();
if (totals == null) {
totals = new ResourceTotals();
totals.id = event.id;
}
switch (event.type) {
case "view":
totals.views += event.count;
break;
case "download":
totals.downloads += event.count;
}
totalsState.update(totals);
out.collect(totals);
}
}
从代码中可以明显看出,它将为每个事件发出一个新的ResourceTotals,但是我希望每分钟一次而不是更频繁地发出每个资源总计。
我尝试通过使用全局窗口和触发器(ContinuousProcessingTimeTrigger)进行实验,但无法使其正常工作。我遇到的问题是:
如何表达我想要窗口的最后一个事件?
如何最终不存储该全局窗口中曾经产生的所有ResourceTotal?
任何帮助,将不胜感激。
最佳答案
您可以使用计时器每分钟发出一次totalsState中的值。由于我在数据流中看不到任何时间戳,因此我想您会使用一个处理时间计时器。
一种替代方法是用TimeWindow替换ProcessFunction,并使用ReduceFunction保留最后一个事件。
无论哪种情况,您都可以考虑同时使用ID和类型字段来对流进行键控,这应该可以简化状态管理。
更新:
是的,计时器是Flink检查点并恢复状态的一部分。