chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

APP推廣合作
聯系“鳥哥筆記小喬”
代碼級解答-流式數據的處理問題
2021-05-31 16:30:11

前言

在普通的數據處理場景中,處理數據很簡單啊,因為數據都好好的放在庫里,直接select出來就好了。


但是流式數據是一條一條過來的,期間還會因為網絡延遲,有些數據還會遲到。這種“數據沒排好隊”的情況,叫做“亂序”。這可讓我們非常麻煩!


我們咋解決呢?來,今天讓“中國好胖子”同學給你來一個代碼級的解答!

亂序

大家知道,所有數據理論上都應該有時間戳,在流式數據中,時間戳更重要??梢哉f時間戳就是流式數據區(qū)別于離線數據的重要標志。


在Flink中,我們大多使用EventTime作為時間戳。當我們用這個時間來參與計算的時候,由于EventTime是真實世界的時間,那么百分之100可能會發(fā)生亂序數據。


那么何為亂序數據呢,前面說過了,亂序數據就是遲到的數據。1分鐘前產生的數據,1分鐘之后才進入到系統中,這就延遲了。


所以那么亂序數據就是在正常的時間數據流中夾雜著一些非順序的一些數據。


亂序是怎么產生的呢?因素太多了,例如某臺機器的網絡抖動,或者網卡和系統的延遲,都會導致這臺機器上報的數據延遲到達。


那么flink在處理的時候,就可能收到了系統在好幾秒之前產生的數據。這個一點非常討厭,會直接導致實時Join失敗。


Flink必須得解決這個問題啊,否則怎么保證遲到的數據都能用上呢,對吧?watermark就是用來解決這個問題的。


Watermark,就是水位線,用來測量亂序數據的進度的。


Flink用watermark來確定這條遲到的數據如何觸發(fā)計算或者其他操作。嘿嘿,所以Watermark也是一種特殊的數據!

Watermark

單純的從概念上不好理解,我們先假設一個場景,這樣更容易理解這個事情。你最好有一些流失數據的基礎,否則不太容易理解這些原理。


假設,我們有一個5s的窗口,并且我們可以容忍的延遲時間為2s,就是說5秒一計算,允許數據遲到2秒。


那么也就是說,從0開始,在7s的時候會觸發(fā)一次計算。我畫個圖解釋一下為什么會7s觸發(fā)計算,或者永不觸發(fā)。


為了排除其他影響因素,我們假設是單task,單分區(qū)的場景。其中的33 是第一條數據, 2 是他攜帶的時間戳,在右側有一個5秒的窗口:



那么我們的watermark的計算公式就是 watermark = time - latertime 。那么這個時候我們可以得到這個watermark是0,那么他屬于0-5s的窗口,那么我們就放到窗口里面去。



這個時候又來了一條數據,就會變成下面這樣對吧,為什么會變成兩個窗口呢?


因為99這條數據并不屬于0-5秒這個窗口里面,因為flink窗口的大小是包左不包右的,這點很關鍵。


這樣你就能明白,為什么33和99應該各自進到單獨的窗口。所以,數據是根據EventTime來決定應該進哪個桶或者說窗口的。


現在你能理解為啥EventTime這么重要了吧?



假如,這個時候來了一條亂序數據,23號(時間戳3S),這條數據遲到了,那么我們的watermark怎么更新呢?

現在,請你停下來思考一下,新來的23號數據應該進那個窗口?



案揭曉:我們可以看到我畫的圖:其中,23數據攜帶的時間戳是3,watermark也是3,應該歸到[0,5)的窗口。


你是不是會奇怪,這遲到的數據序號比前面的99號序號要大啊,怎么在后面呢,并且計算出來的watermark是3?這不是違背了我們的公式計算規(guī)則么?


按照前面的公式,watermark = time - latertime,那么23號的watermark應該是3-2=1,應該排到99號的前面去啊。


其實不是的,watermark首先是時間尺度,然后才是衡量標準。所以watermark 不能倒著走啊,因為他是負責測量數據的時間進度的。


所以他的watermark 并不會按照公式計算,而是采用的上一個數字的watermark,也就是3。


為了讓你看的更清楚,我們多插幾條數據看看。



所有數據在watermark上,都是順序排列的,6號數據的watermark,按照公式,應該是4-2=2,但是很遺憾,前面已經有3了,所以只能排在3后面。誰讓你遲到了呢,對吧?


當然,這個時候他們只是在排隊,還沒有觸發(fā)窗口的計算操作。


那么窗口計算什么時候觸發(fā)呢?很簡單,當watermark大于等于窗口觸發(fā)時間。


第一個窗口觸發(fā)計算操作的時間也就是大于等于5秒的時候。


提問:第二個窗口出發(fā)計算操作的時間是什么時候呢?



答案是10秒。


那么我們講到這里,應該大部分人都能夠了解到了watermark的運行機制,以及窗口什么時候計算。


現在還是一條線的情況?,F實情況比這個要復雜的多的多。


那么我們接下來就來考慮一下我們的多并行度下,我們的watermark如何傳遞?

傳遞

我們應該知道 在一個 task中有很多的subtask,那么這些subtask都有自己的watermark。


所有的數據時間上都應該同步啊,要不然怎么多并行度計算???就全亂套了。


所以這個時候就會涉及到 watermark的傳遞,因為下游也是依賴這些watermark的。



如上圖所示,我們可以看到Watermark在順序的向下游流動,左側的向右箭頭,就是這個意思。


那么我們這個時候發(fā)現有一個Partition WM 這個其實就是各個分區(qū)的 SubTask的Watermark。


我這個時候發(fā)現,每個subtask的watermark都是不一樣的,并且task會存儲這些watermark,記錄下來各個分區(qū)的watermark,并且把最小的watermark廣播出去。


當前需要記錄的是2、4、3、6號watermark,其中2是最小的,好,我們記下來。


這個時候當傳遞過來的4號watermark更新了,把原來的2給頂走了。那么現在是4、4、3、6,最小的是3了。這個時候我們就將最小的3作為watermark傳遞出去。


當7傳遞過來的時候,我們就會發(fā)現,傳遞過去的依然是最小的3,所以不動。


這樣,我們就能解決多并行度下,watermark的傳遞問題。其實就是挑一個最小的watermark放出去。


你現在對watermark的機制應該是比較了解的吧?

咋用?

現在開始上代碼!

1、常見用法

WatermarkStrategy
       .>forBoundedOutOfOrderness(Duration.ofSeconds(20))
       .withTimestampAssigner((event, timestamp) ->timestamp);

怎么樣?簡單嗎?哈哈哈!所以不要以為Flink很難!越高級的語言,其實越簡單。只是理解起來比較費勁而已。

2、WatermarkGenerator

/**
* {@code WatermarkGenerator} 可以基于事件或者周期性的生成 watermark。
*
*

注意:  WatermarkGenerator 將以前互相獨立的 {@code AssignerWithPunctuatedWatermarks}
* 和 {@code AssignerWithPeriodicWatermarks} 一同包含了進來。
*/
@Public
public interface WatermarkGenerator {

   /**
    * 每來一條事件數據調用一次,可以檢查或者記錄事件的時間戳,或者也可以基于事件數據本身去生成 watermark。
    */
   void onEvent(T event, long eventTimestamp, WatermarkOutput output);

   /**
    * 周期性的調用,也許會生成新的 watermark,也許不會。
    *
    *

調用此方法生成 watermark 的間隔時間由 {@link ExecutionConfig#getAutoWatermarkInterval()} 決定。
    */
   void onPeriodicEmit(WatermarkOutput output);
}

3、watermark 分區(qū)數據傾斜解決方案

?在數據源直接使用時如果因為數據源中的某一個分區(qū)/分片在一段時間內未發(fā)送事件數據,則意味著watermarkStrategy也不會獲得任何數據去生成watermark,在這種情況下可以通過設置有一個空閑時間,當超過這個時間則將這個分片或分區(qū)標記為空閑狀態(tài)。


WatermarkStrategy

 .>forBoundedOutOfOrderness(Duration.ofSeconds(20))

.withIdleness(Duration.ofMinutes(1));//當時間超過1分鐘則設置為空閑狀態(tài)

結語

Flink的很多設計都非常精巧,watermark就是其中之一。我們研究這些實現原理并不是想做源碼級的開發(fā),而是欣賞這種精妙的思想,真是為之嘆息。


如果你覺得有啟發(fā),歡迎留言,一起交流。

-END-

大數據架構師
分享到朋友圈
收藏
收藏
評分

綜合評分:

我的評分
Xinstall 15天會員特權
Xinstall是專業(yè)的數據分析服務商,幫企業(yè)追蹤渠道安裝來源、裂變拉新統計、廣告流量指導等,廣泛應用于廣告效果統計、APP地推與CPS/CPA歸屬統計等方面。
20羽毛
立即兌換
一書一課30天會員體驗卡
領30天VIP會員,110+門職場大課,250+本精讀好書免費學!助你提升職場力!
20羽毛
立即兌換
順豐同城急送全國通用20元優(yōu)惠券
順豐同城急送是順豐推出的平均1小時送全城的即時快送服務,專業(yè)安全,準時送達!
30羽毛
立即兌換
大數據架構師
大數據架構師
發(fā)表文章270
歷任多家公司大數據總監(jiān)、大數據架構師,專注于數字化轉型領域。
確認要消耗 0羽毛購買
代碼級解答-流式數據的處理問題嗎?
考慮一下
很遺憾,羽毛不足
我知道了

我們致力于提供一個高質量內容的交流平臺。為落實國家互聯網信息辦公室“依法管網、依法辦網、依法上網”的要求,為完善跟帖評論自律管理,為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍,我們團隊將依據本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容,同時也將采取必要措施管理違法、侵權或有其他不良影響的網絡信息。


一、根據《網絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī),對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息,主要表現為:
    1)反對憲法所確定的基本原則;
    2)危害國家安全,泄露國家秘密,顛覆國家政權,破壞國家統一,損害國家榮譽和利益;
    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、榮譽;
    4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動;
    5)煽動民族仇恨、民族歧視,破壞民族團結;
    6)破壞國家宗教政策,宣揚邪教和封建迷信;
    7)散布謠言,擾亂社會秩序,破壞社會穩(wěn)定;
    8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪;
    9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序;
    10)侮辱或者誹謗他人,侵害他人名譽、隱私和其他合法權益;
    11)通過網絡以文字、圖片、音視頻等形式,對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網絡欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法規(guī)禁止的其他內容;


2. 不友善:不尊重用戶及其所貢獻內容的信息或行為。主要表現為:
    1)輕蔑:貶低、輕視他人及其勞動成果;
    2)誹謗:捏造、散布虛假事實,損害他人名譽;
    3)嘲諷:以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述,以此來激怒他人;
    4)挑釁:以不友好的方式激怒他人,意圖使對方對自己的言論作出回應,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,讓對方難堪;
    6)謾罵:以不文明的語言對他人進行負面評價;
    7)歧視:煽動人群歧視、地域歧視等,針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊;
    8)威脅:許諾以不良的后果來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)布影響用戶體驗、擾亂本網站秩序的內容,或進行相關行為。主要表現為:
    1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式:
    2)單個帳號多次發(fā)布包含垃圾廣告的內容;
    3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容;
    4)多次發(fā)布包含欺騙性外鏈的內容,如未注明的淘寶客鏈接、跳轉網站等,誘騙用戶點擊鏈接
    5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光;
    6)購買或出售帳號之間虛假地互動,發(fā)布干擾網站秩序的推廣內容及相關交易。
    7)發(fā)布包含欺騙性的惡意營銷內容,如通過偽造經歷、冒充他人等方式進行惡意營銷;
    8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。


4. 色情低俗信息,主要表現為:
    1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述;
    2)涉及色情段子、兩性笑話的低俗內容;
    3)配圖、頭圖中包含庸俗或挑逗性圖片的內容;
    4)帶有性暗示、性挑逗等易使人產生性聯想;
    5)展現血腥、驚悚、殘忍等致人身心不適;
    6)炒作緋聞、丑聞、劣跡等;
    7)宣揚低俗、庸俗、媚俗內容。


5. 不實信息,主要表現為:
    1)可能存在事實性錯誤或者造謠等內容;
    2)存在事實夸大、偽造虛假經歷等誤導他人的內容;
    3)偽造身份、冒充他人,通過頭像、用戶名等個人信息暗示自己具有特定身份,或與特定機構或個人存在關聯。


6. 傳播封建迷信,主要表現為:
    1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治??;
    2)求推薦算命看相大師;
    3)針對具體風水等問題進行求助或咨詢;
    4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失,包括通過占卜方法問婚姻、前程、運勢,東西寵物丟了能不能找回、取名改名等;


7. 文章標題黨,主要表現為:
    1)以各種夸張、獵奇、不合常理的表現手法等行為來誘導用戶;
    2)內容與標題之間存在嚴重不實或者原意扭曲;
    3)使用夸張標題,內容與標題嚴重不符的。


8.「飯圈」亂象行為,主要表現為:
    1)誘導未成年人應援集資、高額消費、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「飯圈」粉絲攀比炫富、奢靡享樂等行為
    4)以號召粉絲、雇用網絡水軍、「養(yǎng)號」形式刷量控評等行為
    5)通過「蹭熱點」、制造話題等形式干擾輿論,影響傳播秩序


9. 其他危害行為或內容,主要表現為:
    1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的;
    2)不當評述自然災害、重大事故等災難的;
    3)美化、粉飾侵略戰(zhàn)爭行為的;
    4)法律、行政法規(guī)禁止,或可能對網絡生態(tài)造成不良影響的其他內容。


二、違規(guī)處罰
本網站通過主動發(fā)現和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺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。
當一個用戶發(fā)布違規(guī)內容時,本網站將依據相關用戶違規(guī)情節(jié)嚴重程度,對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號,或者濫用多個帳號發(fā)布違規(guī)內容時,本網站將加重處罰。


三、申訴
隨著平臺管理經驗的不斷豐富,本網站出于維護本網站氛圍和秩序的目的,將不斷完善本公約。
如果本網站用戶對本網站基于本公約規(guī)定做出的處理有異議,可以通過「建議反饋」功能向本網站進行反饋。
(規(guī)則的最終解釋權歸屬本網站所有)

我知道了
恭喜你~答對了
+5羽毛
下一次認真讀哦
成功推薦給其他人
+ 10羽毛
評論成功且進入審核!審核通過后,您將獲得10羽毛的獎勵。分享本文章給好友閱讀最高再得15羽毛~
(羽毛可至 "羽毛精選" 兌換禮品)
好友微信掃一掃
復制鏈接