实现一个“实时热门商品”的需求，我们可以将“实时热门商品”翻译成程序员更好理解的需求：每隔5分钟输出最近一小时内点击量最多的前N个商品。将这个需求进行分解我们大概要做这么几件事情：
- 抽取出业务时间戳，告诉
Flink框架基于业务时间做窗口 - 过滤出点击行为数据
- 按一小时的窗口大小，每5分钟统计一次，做滑动窗口聚合
（Sliding Window） - 按每个窗口聚合，输出每个窗口中点击量前
N名的商品
public class HotItems {
public static void main(String[] args) throws Exception {
//创建执行环境 execution environment
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 告诉系统按照 EventTime 处理
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
// 为了打印到控制台的结果不乱序，我们配置全局的并发为1，改变并发对结果正确性没有影响
//env.setMaxParallelism(1);
//Caused by: org.apache.flink.runtime.JobException: Vertex Split Reader: Custom File source -> Timestamps/Watermarks -> Filter‘s parallelism (8) is higher than the max parallelism (1). Please lower the parallelism or increase the max parallelism.
env.setParallelism(1);
// UserBehavior.csv 的本地文件路径, 在 resources 目录下
URL fileURL = HotItems.class.getClassLoader().getResource("UserBehavior.csv");
Path filePath = Path.fromLocalFile(new File(fileURL.toURI())); //抛出异常URISyntaxException
// 抽取 UserBehavior 的 TypeInformation，是一个 PojoTypeInfo ???
PojoTypeInfo<UserBehavior> pojoType = (PojoTypeInfo<UserBehavior>) TypeExtractor.createTypeInfo(UserBehavior.class);//TypeInformation<UserBehavior>
String[] fieldOrder = new String[]{"userId", "itemId", "categoryId", "behavior", "timestamp"};
//创建PojoCsvInputFormat
PojoCsvInputFormat<UserBehavior> csvInput = new PojoCsvInputFormat<>(filePath, pojoType, fieldOrder);
// 创建数据源，得到 UserBehavior 类型的 DataStream
env.createInput(csvInput, pojoType)
.assignTimestampsAndWatermarks(new AscendingTimestampExtractor<UserBehavior>() {
@Override
public long extractAscendingTimestamp(UserBehavior userBehavior) {
return userBehavior.timestamp * 1000;// 原始数据单位秒，将其转成毫秒
}
}).filter(new FilterFunction<UserBehavior>() { // 过滤出只有点击的数据
@Override
public boolean filter(UserBehavior userBehavior) throws Exception {
return userBehavior.behavior.equals("pv");
}
}).keyBy("itemId")// 我们使用.keyBy("itemId")对商品进行分组聚合
// 使用.timeWindow(Time size, Time slide)对每个商品做滑动窗口（1小时窗口，5分钟滑动一次）。
.timeWindow(Time.minutes(60), Time.minutes(5)) //别导错包了
.aggregate(new CountAgg(), new WindowResultFunction())
//CountAgg统计窗口中的条数； 商品ID，窗口，点击量封装成了ItemViewCount进行输出
.keyBy("windowEnd")
.process(new TopNHotItems(3)).print();
env.execute("Hot Items job");
}
/**
* 求某个窗口中前 N 名的热门点击商品，key 为窗口时间戳，输出为 TopN 的结果字符串
*/
public static class TopNHotItems extends KeyedProcessFunction<Tuple, ItemViewCount, String> {
private final int topSize;
public TopNHotItems(int topSize) throws Exception {
this.topSize = topSize;
}
// 用于存储商品与点击数的状态，待收齐同一个窗口的数据后，再触发 TopN 计算
private ListState<ItemViewCount> itemState;
/*
* 这里我们还使用了ListState<ItemViewCount>来存储收到的每条ItemViewCount消息，
* 保证在发生故障时，状态数据的不丢失和一致性。
* ListState是Flink提供的类似Java List接口的State API，
* 它集成了框架的checkpoint机制，自动做到了exactly-once的语义保证。*/
@Override
public void open(Configuration parameters) throws Exception {
super.open(parameters);
ListStateDescriptor<ItemViewCount> itemsStateDesc = new ListStateDescriptor<>(
"itemState-state",//状态的描述符
ItemViewCount.class);//存储的类型
//从运行时上下文获取
itemState = getRuntimeContext().getListState(itemsStateDesc);
}
/* * ProcessFunction是Flink提供的一个low-level API，用于实现更高级的功能。
* 它主要提供了定时器timer的功能（支持EventTime或ProcessingTime）。
* 本案例中我们将利用timer来判断何时收齐了某个window下所有商品的点击量数据。
* 由于Watermark的进度是全局的，在processElement方法中，每当收到一条数据（ItemViewCount），我们就注册一个windowEnd+1的定时器（Flink框架会自动忽略同一时间的重复注册）。
* windowEnd+1的定时器被触发时，意味着收到了windowEnd+1的Watermark，即收齐了该windowEnd下的所有商品窗口统计值。
* 我们在onTimer()中处理将收集的所有商品及点击量进行排序，选出TopN，并将排名信息格式化成字符串后进行输出。*/
@Override
public void processElement(ItemViewCount input, Context context, Collector<String> collector) throws Exception {
// 每条数据都保存到状态中
itemState.add(input);
// 注册 windowEnd+1 的 EventTime Timer, 当触发时，说明收齐了属于windowEnd窗口的所有商品数据
context.timerService().registerEventTimeTimer(input.windowEnd + 1);
}
@Override
public void onTimer(long timestamp, OnTimerContext ctx, Collector<String> out) throws Exception {
// 获取收到的所有商品点击量
List<ItemViewCount> allItems = new ArrayList<>();
for (ItemViewCount item : itemState.get()) {
allItems.add(item);
}
// 提前清除状态中的数据，释放空间
itemState.clear();
// 按照点击量从大到小排序
allItems.sort(new Comparator<ItemViewCount>() {
@Override
public int compare(ItemViewCount o1, ItemViewCount o2) {
return (int) (o2.viewCount - o1.viewCount);
}
});
// 将排名信息格式化成 String, 便于打印
StringBuilder result = new StringBuilder();
result.append("===========================\n");
result.append("时间：").append(new Timestamp(timestamp - 1)).append("\n");
for (int i = 0; i < allItems.size() && i < topSize; i++) {
ItemViewCount currentItem = allItems.get(i);
// No1: 商品ID=12224 浏览量=2413
result.append("No").append(i).append(":")
.append(" 商品ID=").append(currentItem.itemId)
.append(" 浏览量=").append(currentItem.viewCount)
.append("\n");
}
result.append("==========================\n\n");
// 控制输出频率，模拟实时滚动结果
Thread.sleep(1000);
out.collect(result.toString());
//super.onTimer(timestamp, ctx, out);
}
}
/** 用于输出窗口的结果 */
/** 将每个key每个窗口聚合后的结果带上其他信息进行输出。*/
/**
* 我们这里实现的WindowResultFunction将主键商品ID，窗口，点击量封装成了ItemViewCount进行输出。
*/
private static class WindowResultFunction implements WindowFunction<Long, ItemViewCount, Tuple, TimeWindow> {
@Override
public void apply(Tuple key, // 窗口的主键，即 itemId
TimeWindow window, // 窗口
Iterable<Long> aggregateResult,// 聚合函数的结果，即 count 值
Collector<ItemViewCount> collector) // 输出类型为 ItemViewCount
{
Long itemId = ((Tuple1<Long>) key).f0;
Long count = aggregateResult.iterator().next();
collector.collect(ItemViewCount.of(itemId, window.getEnd(), count));
}
}
/**
* 商品点击量(窗口操作的输出类型)
*/
public static class ItemViewCount { //public
public long itemId; // 商品ID
public long windowEnd; // 窗口结束时间戳
public long viewCount; // 商品的点击量
public static ItemViewCount of(long itemId, long windowEnd, long viewCount) {
ItemViewCount result = new ItemViewCount();
result.itemId = itemId;
result.windowEnd = windowEnd;
result.viewCount = viewCount;
return result;
}
}
/** COUNT 统计的聚合函数实现，每出现一条记录加一 */
/** 接口: AggregateFunction(in, acc, out) */
/**
* 这里的CountAgg实现了AggregateFunction接口，功能是统计窗口中的条数，即遇到一条数据就加一。
*/
public static class CountAgg implements AggregateFunction<UserBehavior, Long, Long> {
@Override
public Long createAccumulator() {
return 0L;
}
@Override
public Long add(UserBehavior userBehavior, Long acc) {
return acc + 1;
}
@Override
public Long getResult(Long acc) {
return acc;
}
@Override
public Long merge(Long acc1, Long acc2) {
return acc1 + acc2;
}
}
/**
* 用户行为数据结构
**/
public static class UserBehavior {
public long userId; // 用户ID
public long itemId; // 商品ID
public int categoryId; // 商品类目ID
public String behavior; // 用户行为, 包括("pv", "buy", "cart", "fav")
public long timestamp; // 行为发生的时间戳，单位秒
}
}
=========================== 时间：2017-11-26 09:05:00.0 No0: 商品ID=5051027 浏览量=3 No1: 商品ID=3493253 浏览量=3 No2: 商品ID=4261030 浏览量=3 ========================== =========================== 时间：2017-11-26 09:10:00.0 No0: 商品ID=812879 浏览量=5 No1: 商品ID=2600165 浏览量=4 No2: 商品ID=2828948 浏览量=4 ========================== =========================== 时间：2017-11-26 09:15:00.0 No0: 商品ID=812879 浏览量=7 No1: 商品ID=138964 浏览量=5 No2: 商品ID=4568476 浏览量=5 ==========================
原文地址：https://www.cnblogs.com/shengyang17/p/10859010.html
时间： 2024-08-30 05:59:30