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 > > > > > > > > > > > > > > >
