我们如何在 Flink 中对 WindowedStream 执行自定义操作

Question

我想在Flink中的WindowedStream上执行一些操作，比如平均。但是预定义的可用操作非常有限，例如总和、最小值、最大值等。

val windowedStream = valueStream
                          .keyBy(0)
                          .timeWindow(Time.minutes(5))
                          .sum(2) //Change this to average?

假设我想找到平均值，我该怎么做？

Answer 1

Flink 没有内置函数来计算WindowStream的平均值。您必须为此实现自定义WindowFunction。

最有效的方法是实现一个计算要取平均值的值的计数和总和的ReduceFunction，以及一个获取ReduceFunction结果并计算平均值的后续WindowFunction。使用 ReduceFunction 更有效，因为 Flink 直接将其应用于传入值。因此，它会动态聚合值，而不会在窗口中收集它们。这大大减少了窗口的内存占用。

由于ReduceFunction的输出与其输入的类型相同，因此您需要在应用ReduceFunction之前为计数添加一个字段。

像下面这样的东西应该可以解决问题：

val valueStream: DataStream[(String, Double)] = ???
val r: DataStream[(String, Double)] = valueStream
  // append a 1L for counting
  .map(x => (x._1, x._2, 1l))
  // key and window stream
  .keyBy(0).timeWindow(Time.minutes(5))
  .apply(
    // ReduceFunction (compute sum and count)
    (x: (String, Double, Long), y: (String, Double, Long)) => 
      (x._1, x._2 + y._2, x._3 + y._3),
    // WindowFunction
    (key, window: TimeWindow, input: Iterable[(String, Double, Long)], out: Collector[(String, Double)]) => {
      // get first (and only) value
      val x: (String, Double, Long) = input.toIterator.next
      // compute average as sum / count
      out.collect(x._1, x._2 / x._3)
    }
  )