很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請(qǐng)把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會(huì)有專(zhuān)人和您聯(lián)系
咨詢(xún)?nèi)绾纬蔀榇河鹱髡哒?qǐng)聯(lián)系：鳥(niǎo)哥筆記小羽毛（ngbjxym）
這是彭文華的第91篇原創(chuàng)
問(wèn)：數(shù)據(jù)工程師最期望數(shù)據(jù)怎么來(lái)？
答：按順序來(lái)。
MapReduce當(dāng)初能用起來(lái)，就是因?yàn)镸ap階段對(duì)所有數(shù)據(jù)都進(jìn)行排序了，后面的Reduce階段就可以直接用排序好的數(shù)據(jù)了。
批處理的時(shí)候因?yàn)閿?shù)據(jù)已經(jīng)落地了，咱可以慢慢排序。但是流式數(shù)據(jù)都是一條一條過(guò)來(lái)的，這個(gè)時(shí)候數(shù)據(jù)到達(dá)的時(shí)間和出發(fā)時(shí)的順序不一致會(huì)導(dǎo)致非常多的問(wèn)題，這該咋整呢？
Sparkstreaming對(duì)亂序支持很差，因?yàn)樗鋵?shí)是“微批”，不是真正的流。加州伯克利大學(xué)AMP實(shí)驗(yàn)室設(shè)計(jì)Spark的時(shí)候，想的就是弄一個(gè)更快的計(jì)算引擎，壓根就沒(méi)打算做成來(lái)一條處理一條的流式數(shù)據(jù)處理。所以對(duì)于一些亂序數(shù)據(jù)根本就不太關(guān)心，所以導(dǎo)致Sparkstreaming不能或者不太能支持亂序數(shù)據(jù)的處理。
但是Flink不行啊，數(shù)據(jù)一條一條的過(guò)來(lái)，然后進(jìn)行窗口處理，亂序會(huì)導(dǎo)致各種統(tǒng)計(jì)問(wèn)題，這就得必須解決了。
一條數(shù)據(jù)在Flink里，有三個(gè)時(shí)間：
Event Time：事件產(chǎn)生的時(shí)間；
Ingestion Time：事件進(jìn)入Flink的時(shí)間；
Window Processing Time：事件被處理的時(shí)間。
當(dāng)數(shù)據(jù)一條一條規(guī)規(guī)矩矩的按流程發(fā)送，MQ傳輸，F(xiàn)link接受然后處理，這個(gè)時(shí)候，就是有序的數(shù)據(jù)。
當(dāng)出現(xiàn)各種異常，有些數(shù)據(jù)延遲了，排在后面的數(shù)據(jù)跑前面去了，這就出現(xiàn)了亂序。
請(qǐng)思考一下，我們應(yīng)該以哪個(gè)時(shí)間戳判定亂序呢？
亂序會(huì)導(dǎo)致各種統(tǒng)計(jì)上的問(wèn)題。比如一個(gè)Time Window本應(yīng)該計(jì)算1、2、3，結(jié)果3遲到了，那這個(gè)窗口統(tǒng)計(jì)就丟數(shù)據(jù)了。這可太坑了。
為了解決這個(gè)問(wèn)題，F(xiàn)link設(shè)置了一個(gè)三個(gè)機(jī)制來(lái)解決這個(gè)問(wèn)題：
WaterMark--水位線(xiàn)，；
allowLateNess--數(shù)據(jù)遲到時(shí)間；
sideOutPut--超長(zhǎng)遲到數(shù)據(jù)收集；
水位線(xiàn)的設(shè)置很簡(jiǎn)單（系統(tǒng)時(shí)間為準(zhǔn)）：
override def getCurrentWatermark(): Watermark = { new Watermark(System.currentTimeMillis - 5000)
設(shè)置Watermark為-5秒。但是怎么理解這個(gè)-5秒的水位線(xiàn)呢？
經(jīng)常戶(hù)外徒步的同學(xué)應(yīng)該知道一個(gè)徒步小隊(duì)通常會(huì)有一正兩副領(lǐng)隊(duì)，隊(duì)首隊(duì)尾各一個(gè)副隊(duì)，正隊(duì)長(zhǎng)在隊(duì)伍中**協(xié)調(diào)。
隊(duì)尾的領(lǐng)隊(duì)叫后隊(duì)領(lǐng)隊(duì)，后隊(duì)領(lǐng)隊(duì)要保證所有隊(duì)員都在前面，也就是說(shuō)后隊(duì)領(lǐng)隊(duì)是整個(gè)隊(duì)伍的隊(duì)尾，當(dāng)收隊(duì)的時(shí)候，看見(jiàn)后隊(duì)領(lǐng)隊(duì)，那就說(shuō)明整個(gè)隊(duì)伍都已經(jīng)完全到達(dá)了。
這個(gè)Watermark就相當(dāng)于給整個(gè)數(shù)據(jù)流設(shè)置一個(gè)后隊(duì)領(lǐng)隊(duì)。但是窗口是不知道具體要來(lái)幾個(gè)數(shù)的，所以只能設(shè)置一個(gè)時(shí)間上的限制，以此來(lái)推測(cè)當(dāng)前窗口最后一條數(shù)據(jù)是否已經(jīng)到達(dá)。假設(shè)窗口大小為10秒，Watermark為-5秒，那么他會(huì)做以下事情：
每來(lái)一條數(shù)據(jù)，取當(dāng)前窗口內(nèi)所有數(shù)據(jù)的最大時(shí)間戳；
用最大時(shí)間戳扣減Watermark后看看是不是符合窗口關(guān)閉條件；
如果不符合，則繼續(xù)進(jìn)數(shù)據(jù)；
如果符合，則關(guān)閉窗口開(kāi)始計(jì)算。
你看，多像戶(hù)外徒步？
每來(lái)一個(gè)人，就問(wèn)問(wèn)出發(fā)時(shí)是幾號(hào)，然后確認(rèn)所有已到隊(duì)員最大的號(hào)碼；
用最大的號(hào)碼對(duì)比一下后隊(duì)領(lǐng)隊(duì)的號(hào)碼；
如果比后隊(duì)領(lǐng)隊(duì)的號(hào)碼小，就不收隊(duì)；
如果號(hào)碼大于等于后隊(duì)領(lǐng)隊(duì)號(hào)碼，就收隊(duì)。
當(dāng)然啊，即便是用了Watermark機(jī)制，依然還會(huì)存在遲到的數(shù)據(jù)。就像戶(hù)外徒步一樣，有人走錯(cuò)路然后又趕上來(lái)。后隊(duì)領(lǐng)隊(duì)分明沒(méi)超過(guò)任何一個(gè)隊(duì)員，但是還是有隊(duì)員落在后面了。
所以Flink還增設(shè)了三種應(yīng)對(duì)方式：
allowLateNess--對(duì)于遲到一小會(huì)的數(shù)據(jù)，設(shè)置一個(gè)允許遲到時(shí)間；
sideOutPut--對(duì)于超過(guò)允許遲到時(shí)間的數(shù)據(jù)，全部收集起來(lái)，后續(xù)再處理；
如果都不處理，F(xiàn)link就默認(rèn)自動(dòng)丟棄。
也就是說(shuō)，在watermark機(jī)制下，窗口雖然到了關(guān)閉時(shí)間，但是如果你設(shè)置了allowLateNess=10秒，那這個(gè)窗口還會(huì)再等10秒，看看是否還有他那個(gè)小隊(duì)的數(shù)據(jù)，10秒后窗口關(guān)閉，開(kāi)始計(jì)算。
如果等了10秒還沒(méi)等到，11秒的時(shí)候，原本屬于該窗口的數(shù)據(jù)才姍姍來(lái)遲，那么sideOutPut會(huì)把數(shù)據(jù)收集起來(lái)，放到側(cè)輸出流，等待后續(xù)處理。這個(gè)數(shù)據(jù)肯定就不會(huì)在當(dāng)前窗口計(jì)算進(jìn)去了。
不知道我說(shuō)清楚了沒(méi)有？沒(méi)說(shuō)清楚可以后臺(tái)私信聊哈~~
配合以下文章享受更佳
干貨 | SparkStreaming實(shí)時(shí)任務(wù)處理的三種語(yǔ)義
剖析 | MapReduce全流程【附調(diào)優(yōu)指南】
全解 | 貝殼的數(shù)據(jù)中臺(tái)工程架構(gòu)實(shí)踐之大數(shù)據(jù)開(kāi)發(fā)平臺(tái)
干貨 | Flink的Checkpoints機(jī)制詳解
本文為作者獨(dú)立觀(guān)點(diǎn)，不代表鳥(niǎo)哥筆記立場(chǎng)，未經(jīng)允許不得轉(zhuǎn)載。
《鳥(niǎo)哥筆記版權(quán)及免責(zé)申明》 如對(duì)文章、圖片、字體等版權(quán)有疑問(wèn)，請(qǐng)點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量?jī)?nèi)容的交流平臺(tái)。為落實(shí)國(guó)家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評(píng)論自律管理，為了保護(hù)用戶(hù)創(chuàng)造的內(nèi)容、維護(hù)開(kāi)放、真實(shí)、專(zhuān)業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊(cè)用戶(hù)和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶(hù)創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國(guó)未成年人保護(hù)法》等法律法規(guī)，對(duì)以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對(duì)憲法所確定的基本原則；
2)危害國(guó)家安全，泄露國(guó)家秘密，顛覆國(guó)家政權(quán)，破壞國(guó)家統(tǒng)一，損害國(guó)家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國(guó)家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過(guò)網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對(duì)未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶(hù)及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對(duì)他人或其行為進(jìn)行揭露或描述，以此來(lái)激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對(duì)方對(duì)自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對(duì)方難堪；
6)謾罵：以不文明的語(yǔ)言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類(lèi)的攻擊；
8)威脅：許諾以不良的后果來(lái)迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶(hù)體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣(mài)產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶(hù)點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購(gòu)買(mǎi)或出售帳號(hào)之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營(yíng)銷(xiāo)內(nèi)容，如通過(guò)偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營(yíng)銷(xiāo)；
8)使用特殊符號(hào)、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話(huà)的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過(guò)頭像、用戶(hù)名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測(cè)字、占卜、解夢(mèng)、化解厄運(yùn)、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對(duì)具體風(fēng)水等問(wèn)題進(jìn)行求助或咨詢(xún)；
4)問(wèn)自己或他人的八字、六爻、星盤(pán)、手相、面相、五行缺失，包括通過(guò)占卜方法問(wèn)婚姻、前程、運(yùn)勢(shì)，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來(lái)誘導(dǎo)用戶(hù)；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂(lè)等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)等行為
5)通過(guò)「蹭熱點(diǎn)」、制造話(huà)題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評(píng)述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭(zhēng)行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過(guò)主動(dòng)發(fā)現(xiàn)和接受用戶(hù)舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶(hù)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶(hù)違規(guī)情節(jié)嚴(yán)重程度，對(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過(guò)作弊手段注冊(cè)、使用帳號(hào)，或者濫用多個(gè)帳號(hào)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶(hù)對(duì)本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過(guò)「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)