Flink的SessionWindow怎么用

這篇文章主要講解了“Flink的SessionWindow怎么用”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Flink的SessionWindow怎么用”吧！

sessionWindows會話窗口：按不活躍時間切成不同分區窗口，并進行窗口計算

示例環境

java.version: 1.8.xflink.version: 1.11.1

示例數據源 （項目碼云下載）

Flink 系例 之 搭建開發環境與數據

SessionWindow.java

import com.flink.examples.DataSource;
import org.apache.flink.api.common.functions.ReduceFunction;
import org.apache.flink.api.java.functions.KeySelector;
import org.apache.flink.api.java.tuple.Tuple3;
import org.apache.flink.streaming.api.TimeCharacteristic;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.source.RichParallelSourceFunction;
import org.apache.flink.streaming.api.windowing.assigners.EventTimeSessionWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import java.util.List;

/**
 * @Description sessionWindows會話窗口：按不活躍時間切成不同分區窗口，并進行窗口計算
 */
public class SessionWindow {

    /**
     * 遍歷集合，返回會話滑動窗口下按不活躍時間切分后的，每個窗口下性別分區里最大年齡數據記錄
     * @param args
     * @throws Exception
     */
    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //設置流處理時間事件,對于會話窗口必需設置此時間類型，有三種類型:
        //1.ProcessingTime：以operator處理的時間為準，它使用的是機器的系統時間來作為data stream的時間
        //2.IngestionTime：以數據進入flink streaming data flow的時間為準
        //3.EventTime：以數據自帶的時間戳字段為準，應用程序需要指定如何從record中抽取時間戳字段
        env.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime);
        env.setParallelism(4);
        DataStream<Tuple3<String, String, Integer>> inStream = env.addSource(new MyRichSourceFunction());
        DataStream<Tuple3<String, String, Integer>> dataStream = inStream.keyBy((KeySelector<Tuple3<String, String, Integer>, String>) k ->k.f1)
                //按會話窗口滾動，當2秒之內沒有指定分區數據流，則計算一次
                //會話窗口是根據在指定時間之后沒有活躍的數據接入,則認為窗口結束，進行窗口計算
                .window(EventTimeSessionWindows.withGap(Time.seconds(2)))
                .reduce(new ReduceFunction<Tuple3<String, String, Integer>>() {
                    @Override
                    public Tuple3<String, String, Integer> reduce(Tuple3<String, String, Integer> t1, Tuple3<String, String, Integer> t2) throws Exception {
                        //返回年齡最大的
                        return t1.f2 > t2.f2 ? t1: t2;
                    }
                });
        dataStream.print();
        env.execute("flink EventTimeSessionWindows job");
    }

    /**
     * 模擬數據持續輸出
     */
    public static class MyRichSourceFunction extends RichParallelSourceFunction<Tuple3<String, String, Integer>> {
        @Override
        public void run(SourceContext<Tuple3<String, String, Integer>> ctx) throws Exception {
            List<Tuple3<String, String, Integer>> tuple3List = DataSource.getTuple3ToList();
            for (Tuple3 tuple3 : tuple3List){
                ctx.collect(tuple3);
                //1秒鐘輸出一個
                Thread.sleep(2 * 1000);
            }
        }
        @Override
        public void cancel() {
            try{
                super.close();
            }catch (Exception e){
                e.printStackTrace();
            }
        }
    }
}

打印結果

2> (張三,man,20)
4> (李四,girl,24)
2> (王五,man,29)
4> (劉六,girl,32)
2> (吳八,man,30)

感謝各位的閱讀，以上就是“Flink的SessionWindow怎么用”的內容了，經過本文的學習后，相信大家對Flink的SessionWindow怎么用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！