--------------------------------------
).本地环境: scala WordCount ,程序在附件中 SocketWindowWordCountLocal.scala).输入数据: a b
a).设置的 timeWindow(Time.seconds(20))
).[问题]想调试Flink源码中具体在哪一步进行sum操作-------------------------------------------------
调试:).RecordWriter.emit()，这个时候，数据是已经flatMap,map之后的值，
函数中会一条一条数据发送(a,1),(b,1),(a,1)).调用 StreamSink.processElement
函数打印输出结果).没明白地方，是在调用StreamSink.processElement之前，在哪个地方调用了sum,对相同key进行了聚合操作
On Thursday, 28 February 2019, 2:47:39 pm GMT+8, Yaoting Gong
<[email protected]> wrote:
你好。
我不知道你的是什么项目的代码。我从flink 官方的样例代码 SocketWindowWordCount.scala找到。
从sum跟进去，最终能找到一个SumAggregator。
On Thu, Feb 28, 2019 at 2:34 PM <[email protected]> wrote:
> Flink wordCount
> 本地程序，代码如下,想调下代码，没找到Window,的时间Trigger结束时，在哪个地方进行的sum,统计结果，我想关注这个点的问题，请问能详细的说明下吗？-------------------------------------package
> com.opensourceteams.module.bigdata.flink.example.stream.worldcount.nc
>
> import org.apache.flink.configuration.Configuration
> import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
> import org.apache.flink.streaming.api.windowing.time.Time
>
> /**
> * nc -lk 1234 输入数据
> */
> object SocketWindowWordCountLocal {
>
> def main(args: Array[String]): Unit = {
>
>
> val port = 1234
> // get the execution environment
> // val env: StreamExecutionEnvironment =
> StreamExecutionEnvironment.getExecutionEnvironment
>
>
> val configuration : Configuration = new Configuration()
> val timeout = "100000 s"
> val timeoutHeartbeatPause = "1000000 s"
> configuration.setString("akka.ask.timeout",timeout)
> configuration.setString("akka.lookup.timeout",timeout)
> configuration.setString("akka.tcp.timeout",timeout)
> configuration.setString("akka.transport.heartbeat.interval",timeout)
>
> configuration.setString("akka.transport.heartbeat.pause",timeoutHeartbeatPause)
> configuration.setString("akka.watch.heartbeat.pause",timeout)
> configuration.setInteger("heartbeat.interval",10000000)
> configuration.setInteger("heartbeat.timeout",50000000)
> val env:StreamExecutionEnvironment =
> StreamExecutionEnvironment.createLocalEnvironment(1,configuration)
>
>
>
>
>
> // get input data by connecting to the socket
> val dataStream = env.socketTextStream("localhost", port, '\n')
>
>
>
> import org.apache.flink.streaming.api.scala._
> val textResult = dataStream.flatMap( w => w.split("\\s") ).map( w =>
> WordWithCount(w,1))
> .keyBy("word")
> /**
> * 每20秒刷新一次，相当于重新开始计数，
> * 好处，不需要一直拿所有的数据统计
> * 只需要在指定时间间隔内的增量数据，减少了数据规模
> */
> .timeWindow(Time.seconds(20))
> //.countWindow(3)
> //.countWindow(3,1)
> //.countWindowAll(3)
>
>
> .sum("count" )
>
> textResult.print().setParallelism(1)
>
>
>
> if(args == null || args.size ==0){
> env.execute("默认作业")
>
> //执行计划
> //println(env.getExecutionPlan)
> //StreamGraph
> //println(env.getStreamGraph.getStreamingPlanAsJSON)
>
>
>
> //JsonPlanGenerator.generatePlan(jobGraph)
>
> }else{
> env.execute(args(0))
> }
>
> println("结束")
>
> }
>
>
> // Data type for words with count
> case class WordWithCount(word: String, count: Long)
>
> }
>
>
> On Thursday, 28 February 2019, 2:08:00 pm GMT+8, Yaoting Gong <
> [email protected]> wrote:
>
> @Yuan Yifan
>
> *不能贴图的。*
>
> On Thu, Feb 28, 2019 at 2:03 PM Yuan Yifan <[email protected]> wrote:
>
> >
> > 你说的应该是这里的代码：
> >
> >
> >
> http://flink-cn.shinonomelab.com/quickstart/setup_quickstart.html#read-the-code
> >
> > 其实SUM应该会在每一条数据来的时候调用的，但是输出结果只有在最后FireAndPurge的时候。
> >
> > 本质上，sum是执行了一个Sum类型的Aggregate：
> > 其AggregateFunction是：
> >
> >
> org.apache.flink.streaming.api.functions.aggregation.SumAggregator#SumAggregator(int,
> > org.apache.flink.api.common.typeinfo.TypeInformation<T>,
> > org.apache.flink.api.common.ExecutionConfig)
> >
> >
> > 其中实现了reduce方法：
> >
> > 所以你可以不必关心究竟是在何时计算的，有可能在多个地方计算以后再合并，但是如论如何，Reduce计算的性质保证，结果一定是对的。
> >
> >
> >
> > 在 2019-02-28 13:04:59，" " <[email protected]> 写道：
> > >请问： flink wordcount中 sum是在什么时候，哪个地方调用的？
> >
> >
> >
> >
> >
>
