案例讲解kafka的多分区watermark机制
watermark依赖的背景，可以是：
事件时间，必须要在事件时间这个概念之上理解watermark。
watermark更形象的理解可以理解为时间序列心跳吧，驱动流进行，而不是延迟时间，比如6s，这个不是watermark。
watermark就像心跳一样，驱动着流程序基于事件时间进行处理，watermark之所以说类似于序列心跳，是因为它携带了时间戳 t。Watermark(t)意味着算子当前的事件时间已经到达了时间 t，任何时间戳小于t的事件都不会再发过来，也即是时间戳小于t的事件就应该丢弃了。
上面的可以说是针对单并行度的流，只有一个流水线，怎么着也玩不出彩来。watermark会在每个并行度的source处或者其他算子内部添加，然后继续向前流动，假如流程序不存在shuffle那就没啥好说的了，每个单独的实例单独进行，这个要想理解要结合前面的一篇文章：
存在shuffle的话，就是一个算子会存在多个输入的话，当前事件时间就采用最小的事件时间。
kafkasource
kafka作为数据源的时候，假如消费的是多个topic或者多分区，那么由于分区消费是并行进行的，会打破数据在每个分区的数据性，这个是客户端性质决定的，除非你是一个消费者对应于一个分区。这种情况下，可以使用
Kafka-partition-aware watermark生成器，该生成器会在每个kafka消费者内部，为每个分区生成watermark，最后每个分区的watermark会想Stream shuffle watermark的合并机制一样合并。
代码示例
FlinkKafkaConsumer09 kafkaSource =newFlinkKafkaConsumer09("myTopic", schema, props);
kafkaSource.assignTimestampsAndWatermarks(newAscendingTimestampExtractor() {
@Override
publiclongextractAscendingTimestamp(MyType element){
returnelement.eventTimestamp();
}
});
DataStream stream = env.addSource(kafkaSource);
与500位好友一起学习～
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20190129G1AQNU00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
