【源码解析】Flink 是如何基于事件时间生成Timestamp和Watermark

生成Timestamp和Watermark 的三个重载方法介绍可参见上一篇博客： Flink assignAscendingTimestamps 生成水印的三个重载方法

之前想研究下Flink是怎么处理乱序的数据，看了相关的源码，加上测试，发现得到了与预期完全不相同的结果。

预期是：乱序到达的数据，flink可以基于数据的事件时间，自动整理数据，依次计算输出

结果是：在assignTimestampsAndWatermarks(assigner: AssignerWithPeriodicWatermarks[T]): DataStream[T]指派timestamp和watermark的情况下，乱序到达的数据：迟到的数据直接从侧边输出了，超前的数据直接结束当前的窗口，开启超前数据对应的窗口，后面到达的正常数据，直接作为迟到数据处理了

在得到上面的结果的过程中，仔细的研究了一下生产Timestamp和Watermark相关的源码。

Flink DataStream API 目前只能通过 assignTimestampsAndWatermarks方法创建时间戳和水印有两种生成模式：

　　1、基于事件时间创建每个事件的Timestamp 和 基于事件时间周期性的创建Watermark（默认周期为200ms）

　　2、基于事件时间创建每个事件的Timestamp 和 基于事件时间每个事件都创建一个Watermark（如果新的Watermark大于当前的Watermark，才会发出）

事件时间下，事件的Timestamp的创建都是直接依赖于事件携带的事件时间，而Watermark则是基于事件时间生成Watermark，所以有周期性创建Watermark和标记的Watermark（With Punctuated Watermarks）的区分（官网中基于Kafka 的分区时间作为Watermark 也是周期性的生成Watermark，只不过传入的事件时间改为事件在kafka中的timestamp了）

1、周期性的创建Watermark

周期性的创建Watermark的有两种方法（kafka的分区时间的忽略）：　　

assignTimestamps(extractor: TimestampExtractor[T]): DataStream[T]
assignTimestampsAndWatermarks(assigner: AssignerWithPeriodicWatermarks[T]): DataStream[T] 

1.1  assignTimestamps(extractor: TimestampExtractor[T]): DataStream[T] 对应源码

调用方法如下：

.assignAscendingTimestamps(element => {
      // 方便打断点debug
      println("xxxxxx : " + element.createTime)
      sdf.parse(element.createTime).getTime
    })

周期性的创建Watermark 是在 TimestampsAndPeriodicWatermarksOperator 中生成、发出，对应的时间来源是调用不同的生成timestamp 和 Watermark 的实现类

TimestampsAndPeriodicWatermarksOperator  相应代码如下：

　　/*
        处理事件元素： 获取对应的事件时间的时间戳，替换事件默认的时间戳（如果数据源是kafka，时间戳就是数据在kafka中的时间戳）
     */
    @Override
    public void processElement(StreamRecord<T> element) throws Exception {
        final long newTimestamp = userFunction.extractTimestamp(element.getValue(),
                element.hasTimestamp() ? element.getTimestamp() : Long.MIN_VALUE);

        output.collect(element.replace(element.getValue(), newTimestamp));
    }
    /*
        处理时间（Watermark） ： 获取当前时间对应的上一次的事件时间，生成新的watermark，新的watermark的时间戳大于当前的watermark，就发出新的watermark
     */
    @Override
    public void onProcessingTime(long timestamp) throws Exception {
        // 从这里可以看到，每200ms 打印一次
        System.out.println("timestamp : " + timestamp + ", system.current : " + System.currentTimeMillis());
        // register next timer
        Watermark newWatermark = userFunction.getCurrentWatermark();
        if (newWatermark != null && newWatermark.getTimestamp() > currentWatermark) {
            currentWatermark = newWatermark.getTimestamp();
            // emit watermark
            output.emitWatermark(newWatermark);
        }

        long now = getProcessingTimeService().getCurrentProcessingTime();
        // 注册timer ，周期性的调用，下面会展开
        getProcessingTimeService().registerTimer(now + watermarkInterval, this);
    }

在这种生成timestamp 和 Watermark 的情况下，userFunction  对应的类是：AscendingTimestampExtractor

对应源码如下：

@Override
    public final long extractTimestamp(T element, long elementPrevTimestamp) {
                // 调用 assignAscendingTimestamps 的参数函数
        final long newTimestamp = extractAscendingTimestamp(element);
        if (newTimestamp >= this.currentTimestamp) {
            // 这是为了下面生成Watermark的方法，总能得到  大于等于 当前Watermark的 时间戳
            this.currentTimestamp = newTimestamp;
            return newTimestamp;
        } else {
            violationHandler.handleViolation(newTimestamp, this.currentTimestamp);
            return newTimestamp;
        }
    }

    @Override
    public final Watermark getCurrentWatermark() {
        return new Watermark(currentTimestamp == Long.MIN_VALUE ? Long.MIN_VALUE : currentTimestamp - 1);
    }

timestamp的生成： TimestampsAndPeriodicWatermarksOperator#processElement  方法，调用AscendingTimestampExtractor#extractTimestamp 再调用 用户代码中具体生成timestamp 的方法，最终生成事件对应的timestamp，替换原有的timestamp

Watermark的生成：TimestampsAndPeriodicWatermarksOperator#onProcessingTime 方法，调用 AscendingTimestampExtractor#getCurrentWatermark， 返回生成timestamp 时的 currentTimestamp -1 ，生成  Watermark，如果生成的Watermark的timestamp 大于当前的  Watermark的timestamp 就发出新的Watermark

1.2 assignTimestampsAndWatermarks(assigner: AssignerWithPeriodicWatermarks[T]): DataStream[T]

调用方法如下：

.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[LateDataEvent](Time.milliseconds(50)) {
      override def extractTimestamp(element: LateDataEvent): Long = {
        println("current timestamp : " + sdf.parse(element.createTime).getTime)
        sdf.parse(element.createTime).getTime
      }
    })

在这种生成timestamp 和 Watermark 的情况下，userFunction  对应的类是：BoundedOutOfOrdernessTimestampExtractor

对应源码

    @Override
    public final Watermark getCurrentWatermark() {
        // this guarantees that the watermark never goes backwards.
        long potentialWM = currentMaxTimestamp - maxOutOfOrderness;
        if (potentialWM >= lastEmittedWatermark) {
            lastEmittedWatermark = potentialWM;
        }
        return new Watermark(lastEmittedWatermark);
    }

    @Override
    public final long extractTimestamp(T element, long previousElementTimestamp) {
        long timestamp = extractTimestamp(element);
        if (timestamp > currentMaxTimestamp) {
            // 这是为了上面上次Watermark的方法总能获取到 大于等于 当前Watermark的时间戳
            currentMaxTimestamp = timestamp;
        }
        return timestamp;
    }

基本上与上面相同，只是这种情况下，生成Watermark会 减去相应的 maxOutOfOrderness （允许延迟时间，就是代码中BoundedOutOfOrdernessTimestampExtractor对应的参数）

之所以说是周期性的，是因为生成Watermark的方法是周期性调用的：

// 注册timer 定期执行
getProcessingTimeService().registerTimer(now + watermarkInterval, this);

// 对应 watermarkInterval 来自与系统配置
watermarkInterval = getExecutionConfig().getAutoWatermarkInterval();

// 对应配置, 默认 200ms
env.getConfig.setAutoWatermarkInterval(400)

看代码可知，生成timestamp和Watermark是两条线，timestamp 是每个事件消息都会生成，而Watermark 是周期的

2、标记的Watermark（With Punctuated Watermarks）

这种Watermark的生成只有一种，对应代码如下：

.assignTimestampsAndWatermarks(new AssignerWithPunctuatedWatermarks[LateDataEvent]() {
      // check extractTimestamp emitted watermark is non-null and large than previously 生成当前事件的Watermark
      override def checkAndGetNextWatermark(lastElement: LateDataEvent, extractedTimestamp: Long): Watermark = {
        new Watermark(extractedTimestamp)
      }

      // generate next watermark 生成当前事件的timestamp
      override def extractTimestamp(element: LateDataEvent, previousElementTimestamp: Long): Long = {
        val eventTime = sdf.parse(element.createTime).getTime
        eventTime
      }
    })

对应上面生成添加时间戳到事件中和发出Watermark  在 TimestampsAndPunctuatedWatermarksOperator中具体如下：

@Override
    public void processElement(StreamRecord<T> element) throws Exception {
        final T value = element.getValue();
                // extractTimestamp 方法就是assignTimestampsAndWatermarks 中的 extractTimestamp 生成事件的时间戳
        final long newTimestamp = userFunction.extractTimestamp(value,
                element.hasTimestamp() ? element.getTimestamp() : Long.MIN_VALUE);

        output.collect(element.replace(element.getValue(), newTimestamp));
                // checkAndGetNextWatermark 方法就是assignTimestampsAndWatermarks 中的 checkAndGetNextWatermark，检查Watermark
        final Watermark nextWatermark = userFunction.checkAndGetNextWatermark(value, newTimestamp);
        // 新的Watermark大于当前的Watermark才会发出
        if (nextWatermark != null && nextWatermark.getTimestamp() > currentWatermark) {
            currentWatermark = nextWatermark.getTimestamp();
            output.emitWatermark(nextWatermark);
        }
    }

这里可以看出，每条数据都会生成 tiemstamp 和 Watermark（不一定会发出，如果数据都是正常的，Watermark的消息会和事件的消息一样多，所以会影响性能）

搞定。

欢迎关注Flink菜鸟公众号，会不定期更新Flink（开发技术）相关的推文