Stream Processing mit Apache Flink

Kapitel 6. Zeitbasierte und Fenster-Operatoren

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Unter werden wir in diesem Kapitel die Methoden der DataStream-API für die Zeitbehandlung und zeitbasierte Operatoren wie Fenster behandeln. Wie du in "Zeitsemantik" gelernt hast , können die zeitbasierten Operatoren von Flink mit unterschiedlichen Zeitvorstellungen angewendet werden.

Zuerst werden wir lernen, wie man Zeitmerkmale, Zeitstempel und Wasserzeichen definiert. Dann lernen wir die Prozessfunktionen kennen, Low-Level-Transformationen, die den Zugriff auf Zeitstempel und Wasserzeichen ermöglichen und Zeitgeber registrieren können. Als Nächstes werden wir die Fenster-API von Flink nutzen, die integrierte Implementierungen der gängigsten Fenstertypen bietet. Außerdem erhältst du eine Einführung in benutzerdefinierte Fensteroperationen und zentrale Fensterkonstrukte wie Assigner, Trigger und Evictoren. Schließlich werden wir besprechen, wie man Streams rechtzeitig zusammenführt und wie man mit verspäteten Ereignissen umgeht.

Konfigurieren der Zeitmerkmale

Um Zeitoperationen in einer verteilten Stream Processing-Anwendung zu definieren, ist es wichtig, die Bedeutung von Zeit zu verstehen. Wenn du ein Fenster festlegst, um Ereignisse in einminütigen Buckets zu sammeln, welche Ereignisse enthält dann jeder Bucket genau? In der DataStream API kannst du Flink mit Hilfe des Zeitmerkmals mitteilen, ...