我在Flink中有2个数据流(具有常见的时间戳记,来自Kafka),其中一个包含一些信号值,另一个包含活动性(简单的活动-非活动)信息。我用简单的状态RichCoProcessFunction
尝试了private ValueState<Boolean> seen;
,结果是不确定的。如果我使用startFromEarliest
对同一组数据(具有相同的时间戳)运行,有时会过滤掉不同的值。我该如何确定性?我在下面共享我的KeyedCoProcessFunction
骨架。
private ValueState < Boolean > seen;
@Override
public void open(Configuration parameters) throws Exception {
ValueStateDescriptor < Boolean > descriptor = new ValueStateDescriptor < > (
// state name
"have-seen-key",
// type information of state
TypeInformation.of(new TypeHint < Boolean > () {}));
seen = getRuntimeContext().getState(descriptor);
}
@Override
public void processElement1(SomeEvent < Double > value, Context ctx, Collector < SomeEvent < Double >> out) throws Exception {
if (seen.value() == Boolean.TRUE) {
out.collect(value);
}
}
@Override
public void processElement2(SomeEvent < Double > value, Context ctx, Collector < SomeEvent < Double >> out) throws Exception {
if (value.value == 1) {
seen.update(Boolean.TRUE);
} else {
seen.update(Boolean.FALSE);
}
}
之所以不确定,是因为这两个来源产生的步调不同。使它更具确定性的最简单方法是使用EventTime。这意味着您需要同时为控制记录和数据记录分配时间戳。 Flink然后将为您的元素发出水印。
然后,您可以简单地缓冲并等待发射或丢弃元素,直到您收到控制流的水印为止,这意味着控制流中没有任何变化。
没有时间戳,在这种情况下几乎不可能引入确定性行为,因为您将永远无法准确分辨出给定记录何时到达,哪些记录应该被删除以及哪些记录应该被发出。
实现所需类型的事件时间联接可以作为RichCoProcessFunction
完成,但可能有点复杂。您可能更喜欢将其实现为join with a temporal table function。