在 Flink 中，流窗口化似乎不起作用？

Question

我尝试增强显示流使用的 Flink 示例。 我的目标是使用窗口功能（请参阅window 函数调用）。 我假设下面的代码输出流的最后 3 个数字的总和。 （由于 ubuntu 上的nc -lk 9999，该流已打开） 实际上，输出总结了所有输入的数字。切换到时间窗口产生相同的结果，即不产生窗口。

这是一个错误吗？ （使用的版本：github上最新的master）

object SocketTextStreamWordCount {
  def main(args: Array[String]) {
    val hostName = args(0)
    val port = args(1).toInt
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    // Create streams for names and ages by mapping the inputs to the corresponding objects
    val text = env.socketTextStream(hostName, port)    
    val currentMap = text.flatMap { (x:String) => x.toLowerCase.split("\\W+") }
    .filter { (x:String) => x.nonEmpty }      
    .window(Count.of(3)).every(Time.of(1, TimeUnit.SECONDS))
    //  .window(Time.of(5, TimeUnit.SECONDS)).every(Time.of(1, TimeUnit.SECONDS))
      .map { (x:String) => ("not used; just to have a tuple for the sum", x.toInt) }

    val numberOfItems = currentMap.count
    numberOfItems print
    val counts = currentMap.sum( 1 )
    counts print

    env.execute("Scala SocketTextStreamWordCount Example")
  }
}

Answer 1

问题似乎是从WindowedDataStream 到DataStream 的隐式转换。这种隐式转换在WindowedDataStream 上调用flatten()。

在您的情况下发生的情况是代码扩展为：

val currentMap = text.flatMap { (x:String) => x.toLowerCase.split("\\W+") }
    .filter { (x:String) => x.nonEmpty }      
    .window(Count.of(3)).every(Time.of(1, TimeUnit.SECONDS))
    .flatten()   
    .map { (x:String) => ("not used; just to have a tuple for the sum",x.toInt) }    

flatten() 的作用类似于集合上的flatMap()。它采用可以被视为集合集合 ([[a,b,c], [d,e,f]]) 的窗口流并将其转换为元素流：[a,b,c,d,e,f]。

这意味着您的计数实际上仅在已窗口化和“去窗口化”的原始流上运行。这看起来根本就没有被窗口化过。

这是一个问题，我会马上解决这个问题。 （我是 Flink 提交者之一。）您可以在这里跟踪进度：https://issues.apache.org/jira/browse/FLINK-2096

使用当前 API 的方法是这样的：

val currentMap = text.flatMap { (x:String) => x.toLowerCase.split("\\W+") }
    .filter { (x:String) => x.nonEmpty }   
    .map { (x:String) => ("not used; just to have a tuple for the sum",x.toInt) }    
    .window(Count.of(3)).every(Time.of(1, TimeUnit.SECONDS))

WindowedDataStream 有一个 sum() 方法，因此不会隐式插入 flatten() 调用。不幸的是，count() 在 WindowedDataStream 上不可用，因此您必须手动将 1 字段添加到元组并计算这些。