很详尽了,非常感谢 @tison !
发件人: tison 发送时间: 2021-02-01 11:43 收件人: user-zh 主题: Re: Re: 水印的作用请教 对于 StreamingFileSink 可以查看这两份资料 https://ci.apache.org/projects/flink/flink-docs-stable/dev/connectors/streamfile_sink.html https://stackoverflow.com/questions/54763160/is-it-possible-that-bucketing-sink-create-bucket-on-event-time 默认的,watermark 和 (EventTime) Timestamp 信息会带到 BucketAssigner 实现所需的 Context 里,Flink 没有开箱即用的基于 EventTime 的分桶策略,你需要自己尝试实现。比水印晚的数据,可以自行实现为丢弃或追加到原有分区文件上。 对于 SQL 可以查看这份资料 https://ci.apache.org/projects/flink/flink-docs-stable/dev/table/connectors/filesystem.html 目前看起来开箱的逻辑迟到数据会追加而不是丢弃。有一些相关的配置可以调整 commit 也就是落盘的时机,但不影响落盘的数据。 Best, tison. amenhub <amen...@163.com> 于2021年2月1日周一 上午11:07写道: > StreamAPI使用的是StreamingFileSink,SQL就是FileSystem了 > > > > > 发件人: tison > 发送时间: 2021-02-01 11:01 > 收件人: user-zh > 主题: Re: Re: 水印的作用请教 > 请问你使用哪种 SinkConnector 写入 HDFS 呢? > > Best, > tison. > > > amenhub <amen...@163.com> 于2021年2月1日周一 上午10:58写道: > > > >>> > > > 2.如果我在SQL或StreamAPI中使用ForBoundedOutOfOrderness中基于事件时间设置允许5分钟延迟的水印,那么Kafka各分区最小时间的水印到达后,比水印晚的数据还会写入HDFS(基于事件时间分区)对应的分区中吗?是丢弃?还是不丢弃它写入对应分区后再重新幂等提交该分区? > > 另外还是比较想了解,当指定水印及延迟的时候,比水印晚的数据,在流写HDFS的时候会怎么处理? > > > > > > > > > > 发件人: amenhub > > 发送时间: 2021-02-01 10:44 > > 收件人: user-zh > > 主题: Re: Re: 水印的作用请教 > > 谢谢回复! > > > > 也就是说如果我利用Flink从Kafka (Select > > *)采集数据到HDFS,不涉及Timer触发逻辑,使用水印的目的就只是为了使用事件时间以及HDFS中基于事件时间进行分区目录创建,对吗? > > > > best, > > amenhub > > > > > > > > 发件人: tison > > 发送时间: 2021-02-01 10:36 > > 收件人: user-zh > > 主题: Re: 水印的作用请教 > > 取决于你的计算流图,watermark 通常只在以下情况有实际作用 > > True > > & cond 1. 使用 EventTime > > & cond 2. 流图中有 Timer 触发逻辑,例如 Window 算子或自定义 Timer > > Best, > > tison. > > amenhub <amen...@163.com> 于2021年2月1日周一 上午10:26写道: > > > hi everyone, > > > > > > 最近在使用Stream API或Table API&SQL编写任务,接Kafka数据流写HDFS的时候,关于水印有几个问题想请教社区帮忙答疑。 > > > > > > 在我的理解中,水印本意是容忍事件时间的延迟(乱序程序),在不能容忍的时候触发窗口计算,以达到输出该窗口结果的目的。 > > > 那么, > > > 1.在Kafka入HDFS的过程中,水印的作用具体是什么呢?貌似无窗口计算? > > > > > > > > > 2.如果我在SQL或StreamAPI中使用ForBoundedOutOfOrderness中基于事件时间设置允许5分钟延迟的水印,那么Kafka各分区最小时间的水印到达后,比水印晚的数据还会写入HDFS(基于事件时间分区)对应的分区中吗?是丢弃?还是不丢弃它写入对应分区后再重新幂等提交该分区? > > > > > > best, > > > amenhub > > > > > > > > > > > > > > >