今天就跟大家聊聊有关kafka的多分区watermark机制是怎么样的，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
watermark依赖的背景，可以是：
事件时间，必须要在事件时间这个概念之上理解watermark。
watermark更形象的理解可以理解为时间序列心跳吧，驱动流进行，而不是延迟时间，比如6s，这个不是watermark。
watermark就像心跳一样，驱动着流程序基于事件时间进行处理，watermark之所以说类似于序列心跳，是因为它携带了时间戳 t。Watermark(t)意味着算子当前的事件时间已经到达了时间 t，任何时间戳小于t的事件都不会再发过来，也即是时间戳小于t的事件就应该丢弃了。
上面的可以说是针对单并行度的流，只有一个流水线，怎么着也玩不出彩来。watermark会在每个并行度的source处或者其他算子内部添加，然后继续向前流动，假如流程序不存在shuffle那就没啥好说的了，每个单独的实例单独进行，这个要想理解要结合前面的一篇文章：
结合Spark讲一下Flink的runtime
存在shuffle的话，就是一个算子会存在多个输入的话，当前事件时间就采用最小的事件时间。
kafkasource
kafka作为数据源的时候，假如消费的是多个topic或者多分区，那么由于分区消费是并行进行的，会打破数据在每个分区的数据性，这个是客户端性质决定的，除非你是一个消费者对应于一个分区。这种情况下，可以使用
Kafka-partition-aware watermark生成器，该生成器会在每个kafka消费者内部，为每个分区生成watermark，最后每个分区的watermark会想Stream shuffle watermark的合并机制一样合并。
代码示例
FlinkKafkaConsumer09<MyType> kafkaSource = new FlinkKafkaConsumer09<>("myTopic", schema, props);
kafkaSource.assignTimestampsAndWatermarks(new AscendingTimestampExtractor<MyType>() {
@Override
public long extractAscendingTimestamp(MyType element) {
return element.eventTimestamp();
}
});
DataStream<MyType> stream = env.addSource(kafkaSource);
看完上述内容，你们对kafka的多分区watermark机制是怎么样的有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注编程之家行业资讯频道，感谢大家的支持。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
