apache-flink - 如何在 flink sql 表中自动生成水印?
问题描述
我正在测试 flink cep sql 并且我的水印被定义为行时间,我的表是一个 kafka 表。由于 watermark 依赖于所有 kafka 分区中的最小值,所以每条新消息都必须等待 kafka 分区对齐,然后 cep 触发结果。
我的 kafka 表(主题有 3 个分区)定义为
create table test_table(
agent_id String, room_id String,
create_time Bigint,
call_type String,
application_id String,
connect_time Bigint,
row_time as to_timestamp_ltz(create_time, 3),
WATERMARK FOR row_time AS row_time - INTERVAL '5' SECOND
)
这是我的cep sql
select * from test_table match_recognize (
partition by agent_id,room_id,call_type
order by row_time
measures
last(BF.create_time) as create_time,
last(AF.connect_time) as connect_time
one row per match after match SKIP PAST LAST ROW
pattern (BF+ AF) WITHIN INTERVAL '1' HOUR
define
BF as BF.connect_time = 0,
AF as AF.connect_time > 0 and BF.room_id = AF.room_id and BF.call_type = AF.call_type
) as T ;
cep sql 触发结果是正确的,但总是迟到,因为每个分区都需要对齐水印。如何立即获得最新结果或在 flink sql 表中自动生成水印?
解决方案
您的模式是要求connect_time > 0
在行 where 之后立即找到一行connect_time = 0
(其中两行具有相同的 room_id 和 call_type)。为了让这种模式匹配完全正确,有必要等待水印。否则,过早的匹配可能会因乱序事件的到来而失效——例如,connect_time < 0
恰好在 AF 之前的事件。(你可能知道这是不可能的,但 cep/sql 引擎不知道。)
如果您愿意放宽模式匹配语义,为什么不将此 MATCH_RECOGNIZE 查询替换为间隔连接(具有时间约束的自连接)。有关详细信息,请参阅https://nightlies.apache.org/flink/flink-docs-stable/docs/dev/table/sql/queries/joins/#interval-joins。
BTW,这部分的定义AF
... and BF.room_id = AF.room_id and BF.call_type = AF.call_type
没有任何效果,因为流已经被room_id
和分区了call_type
。
推荐阅读
- javascript - 异步函数在返回之前不等待等待
- python - 如何用另一维替换n维数组的一维?
- node.js - 木偶如何防止错误停止程序
- c - CAN Bus - 处理多个 CAN Bus 插座
- python - print 仅在需要时才有效。我需要知道为什么
- javascript - 将密钥传递给表格单元格
- python - 为什么我总是得到命令无法识别的输出
- r-markdown - 在 xaringan 演示文稿中包含 LaTeX 包?
- matlab - 我想制作一个等高线/曲面图,它显示单元格中的值,类似于 EFI 调整图
- android - 如何摆脱 onDismissible 处理程序错误?