Apache flink 如何在没有水印的情况下对flink的联合数据流进行排序

flink流有多个数据流，然后我将这些数据流与org.apache.flink.streaming.api.datastream.datastream#union方法合并。 然后，我得到的问题，数据流是无序的，我不能设置窗口排序数据流中的数据

我得到了答案，但是com.liam.learn.flink.example.union.UnionStreamDemo.SortFunction#onTimer 从未被调用过

环境信息：flink 1.7.0版

---

一般来说，我希望在没有水印的情况下对union数据流进行排序。

您需要水印，以便排序函数知道何时可以安全地发出已排序的元素。在没有水印的情况下，从流B获得的记录的日期比流A的前N条记录的日期早，对吗

但是，特别是如果您知道任何一个流的“事件时间”都在严格地增加。下面是我写的一些代码，它扩展了David Anderson在回答上面提到的另一个问题时所发布的内容，希望这能帮助您开始

--肯

package com.scaleunlimited.flinksnippets；
导入java.util.PriorityQueue；
导入java.util.Random；
导入org.apache.flink.api.common.state.ValueState；
导入org.apache.flink.api.common.state.ValueStateDescriptor；
导入org.apache.flink.api.common.typeinfo.TypeHint；
导入org.apache.flink.api.common.typeinfo.TypeInformation；
导入org.apache.flink.configuration.configuration；
导入org.apache.flink.streaming.api.TimeCharacteristic；
导入org.apache.flink.streaming.api.TimerService；
导入org.apache.flink.streaming.api.datastream.datastream；
导入org.apache.flink.streaming.api.environment.StreamExecutionEnvironment；
导入org.apache.flink.streaming.api.functions.KeyedProcessFunction；
导入org.apache.flink.streaming.api.functions.source.RichParallelSourceFunction；
导入org.apache.flink.streaming.api.functions.timestamps.AscendingTimestampExtractor；
导入org.apache.flink.util.Collector；
导入org.junit.Test；
公共类MergeAndSortStreamTest{
@试验
public void testMergeAndSort（）引发异常{
StreamExecutionEnvironment env=StreamExecutionEnvironment.createLocalEnvironment（2）；
环境setStreamTimeCharacteristic（TimeCharacteristic.EventTime）；
DataStream streamA=env.addSource（新事件源（“A”））
.assignTimestampsAndWatermarks（新的EventsWassigner（））；
DataStream streamB=env.addSource（新事件源（“B”））
.assignTimestampsAndWatermarks（新的EventsWassigner（））；
streamA.工会（streamB）
.keyBy（r->r.getKey（））
.process（新的SortByTimestampFunction（））
.print（）；
execute（）；
}
私有静态类事件实现了可比较的{
私有字符串标签；
私有长时间戳；
公共事件（字符串标签、长时间戳）{
_标签=标签；
_时间戳=时间戳；
}
公共字符串getLabel（）{
退货标签；
}
公共void setLabel（字符串标签）{
_标签=标签；
}
公共字符串getKey（）{
返回“1”；
}
公共长getTimestamp（）{
返回时间戳；
}
public void setTimestamp（长时间戳）{
_时间戳=时间戳；
}
@凌驾
公共字符串toString（）{
返回String.format（“%s@%d”，\u标签，\u时间戳）；
}
@凌驾
公共int比较（事件o）{
返回Long.compare（_timestamp，o._timestamp）；
}
}
@抑制警告（“串行”）
私有静态类EventsWassigner扩展AscendingTimestampExtractor{
@凌驾
公共长提取AscendingTimeStamp（事件元素）{
返回元素。getTimestamp（）；
}
}
@抑制警告（“串行”）
私有静态类SortByTimestampFunction扩展了KeyedProcessFunction{
private ValueState queueState=null；
@凌驾
公共无效打开（配置）{
ValueStateDescriptor描述符=新的ValueStateDescriptor(
//州名
“已排序事件”，
//状态类型信息
TypeInformation.of（新的TypeHint（）{
}));
queueState=getRuntimeContext（）.getState（描述符）；
}
@凌驾
public void processElement（事件、上下文上下文、收集器输出）引发异常{
TimerService TimerService=context.TimerService（）；
long currentWatermark=timerService.currentWatermark（）；
System.out.format（“使用水印%d\n调用processElement”，currentWatermark）；
if（context.timestamp（）>currentWatermark）{
PriorityQueue=queueState.value（）；
if（队列==null）{
队列=新的优先级队列（10）；
}
添加（事件）；
queueState.update（队列）；
timerService.registereventtimeter（event.getTimestamp（））；
}
}
@凌驾
公共void onTimer（长时间戳、OnTimerContext上下文、收集器输出）引发异常{
PriorityQueue=queueState.value（）；
长水印=context.timerService（）.currentWatermark（）；
System.out.format（“使用水印%d\n调用onTimer”，水印）；
事件头=queue.peek（）；
while（head！=null&&head.getTimestamp（）0）{
线程。睡眠（deltaTime）；
}
collect（新事件（_前缀，时间戳））；
_numEvents++；
//每5…15毫秒生成一个时间戳，平均值为10。
时间戳+=（5+_rand.nextInt（10））；
}
}
}
}

我假设您为每个