Flink 大尺寸/小提前滑动窗口性能

Question

我的用例

• 输入是由 ID 键入的原始事件
• 我想统计过去 7 天内每个 ID 的事件总数。
• 输出将每 10 分钟提前一次
• 逻辑上，这将由大小为 7 天并提前 10 分钟的滑动窗口处理

这个post通过1天的翻滚窗口提出了一个很好的优化解决方案

所以我的逻辑是这样的

env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

val oneDayCounts = joins
  .keyBy(keyFunction)
  .map(t => (t.key, 1L, t.timestampMs))
  .keyBy(0)
  .timeWindow(Time.days(1))

val sevenDayCounts = oneDayCounts
  .keyBy(0)
  .timeWindow(Time.days(7), Time.minutes(10))
  .sum(1)

// single reducer
sevenDayCounts
  .windowAll(TumblingProcessingTimeWindows.of(Time.minutes(10)))

附：忘记单个减速器的性能问题。

问题

但是，如果我理解正确，这意味着由于滑动窗口的性质，单个事件将产生 7*24*6=1008 条记录。所以我的问题是如何减少绝对数量？

Answer 1

有一张 JIRA 票——FLINK-11276——和一张google doc，主题是更有效地执行此操作。

我还建议您查看 paper 和 talk 关于使用流切片的高效窗口聚合。