Chapitre 6. Opérateurs temporels et opérateurs de fenêtre
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Sur ce chapitre, nous aborderons les méthodes de l'API DataStream pour la gestion du temps et les opérateurs basés sur le temps, comme les fenêtres. Comme tu l'as appris dans "Sémantique temporelle", les opérateurs temporels de Flink peuvent être appliqués avec différentes notions de temps.
Tout d'abord, nous apprendrons à définir les caractéristiques temporelles, les horodatages et les filigranes. Ensuite, nous aborderons les fonctions de processus, des transformations de bas niveau qui permettent d'accéder aux horodatages et aux filigranes et d'enregistrer les minuteries. Ensuite, nous aurons l'occasion d'utiliser l'API de fenêtre de Flink, qui fournit des implémentations intégrées des types de fenêtres les plus courants. Tu auras également une introduction aux opérations de fenêtre personnalisées et définies par l'utilisateur, ainsi qu'aux constructions de fenêtrage de base, telles que les assignateurs, les déclencheurs et les évicteurs. Enfin, nous discuterons de la façon de joindre les flux à temps et des stratégies pour gérer les événements tardifs.
Configuration des caractéristiques temporelles
Pour définir les opérations temporelles dans une application de traitement des flux distribués, il est important de comprendre la signification du temps. Lorsque tu spécifies une fenêtre pour ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access