Apache flink 为什么CEP没有'；使用ProcessingTime时，是否仅在输入第二个事件后才打印第一个事件？

我向卡夫卡发送了一个isStart为true的事件，并让Flink使用卡夫卡中的事件，还将TimeCharacteristic设置为ProcessingTime并设置为（Time.seconds（5）），因此我希望CEP在我发送第一个事件的5秒后打印事件，但它没有，在我把第二件事发给卡夫卡之后，它才打印出第一件事。为什么它只在我发送了两个事件之后才打印第一个事件？当我使用ProcessingTime发送第一个事件5秒后，是否应该打印事件

代码如下：

public class LongRidesWithKafka {
private static final String LOCAL_ZOOKEEPER_HOST = "localhost:2181";
private static final String LOCAL_KAFKA_BROKER = "localhost:9092";
private static final String RIDE_SPEED_GROUP = "rideSpeedGroup";
private static final int MAX_EVENT_DELAY = 60; // rides are at most 60 sec out-of-order.

public static void main(String[] args) throws Exception {
    final int popThreshold = 1; // threshold for popular places
    // set up streaming execution environment
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
    env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);
    Properties kafkaProps = new Properties();
    //kafkaProps.setProperty("zookeeper.connect", LOCAL_ZOOKEEPER_HOST);
    kafkaProps.setProperty("bootstrap.servers", LOCAL_KAFKA_BROKER);
    kafkaProps.setProperty("group.id", RIDE_SPEED_GROUP);
    // always read the Kafka topic from the start
    kafkaProps.setProperty("auto.offset.reset", "earliest");

    // create a Kafka consumer
    FlinkKafkaConsumer011<TaxiRide> consumer = new FlinkKafkaConsumer011<>(
            "flinktest",
            new TaxiRideSchema(),
            kafkaProps);
    // assign a timestamp extractor to the consumer
    //consumer.assignTimestampsAndWatermarks(new CustomWatermarkExtractor());
    DataStream<TaxiRide> rides = env.addSource(consumer);

    DataStream<TaxiRide> keyedRides = rides.keyBy("rideId");
    // A complete taxi ride has a START event followed by an END event
    Pattern<TaxiRide, TaxiRide> completedRides =
            Pattern.<TaxiRide>begin("start")
                    .where(new SimpleCondition<TaxiRide>() {
                        @Override
                        public boolean filter(TaxiRide ride) throws Exception {
                            return ride.isStart;
                        }
                    })
                    .next("end")
                    .where(new SimpleCondition<TaxiRide>() {
                        @Override
                        public boolean filter(TaxiRide ride) throws Exception {
                            return !ride.isStart;
                        }
                    });

    // We want to find rides that have NOT been completed within 120 minutes
    PatternStream<TaxiRide> patternStream = CEP.pattern(keyedRides, completedRides.within(Time.seconds(5)));

    OutputTag<TaxiRide> timedout = new OutputTag<TaxiRide>("timedout") {
    };
    SingleOutputStreamOperator<TaxiRide> longRides = patternStream.flatSelect(
            timedout,
            new LongRides.TaxiRideTimedOut<TaxiRide>(),
            new LongRides.FlatSelectNothing<TaxiRide>()
    );
    longRides.getSideOutput(timedout).print();
    env.execute("Long Taxi Rides");
}

public static class TaxiRideTimedOut<TaxiRide> implements PatternFlatTimeoutFunction<TaxiRide, TaxiRide> {
    @Override
    public void timeout(Map<String, List<TaxiRide>> map, long l, Collector<TaxiRide> collector) throws Exception {
        TaxiRide rideStarted = map.get("start").get(0);
        collector.collect(rideStarted);
    }
}

public static class FlatSelectNothing<T> implements PatternFlatSelectFunction<T, T> {
    @Override
    public void flatSelect(Map<String, List<T>> pattern, Collector<T> collector) {
    }
}

private static class TaxiRideTSExtractor extends AscendingTimestampExtractor<TaxiRide> {
    private static final long serialVersionUID = 1L;

    @Override
    public long extractAscendingTimestamp(TaxiRide ride) {

        //  Watermark Watermark = getCurrentWatermark();

        if (ride.isStart) {
            return ride.startTime.getMillis();
        } else {
            return ride.endTime.getMillis();
        }
    }
}


private static class CustomWatermarkExtractor implements AssignerWithPeriodicWatermarks<TaxiRide> {

    private static final long serialVersionUID = -742759155861320823L;

    private long currentTimestamp = Long.MIN_VALUE;

    @Override
    public long extractTimestamp(TaxiRide ride, long previousElementTimestamp) {
        // the inputs are assumed to be of format (message,timestamp)

        if (ride.isStart) {
            this.currentTimestamp = ride.startTime.getMillis();
            return ride.startTime.getMillis();
        } else {
            this.currentTimestamp = ride.endTime.getMillis();
            return ride.endTime.getMillis();
        }
    }

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

卡夫卡公共课{
私有静态最终字符串LOCAL\u ZOOKEEPER\u HOST=“localhost:2181”；
私有静态最终字符串LOCAL_KAFKA_BROKER=“localhost:9092”；
专用静态最终字符串行驶速度组=“行驶速度组”；
私有静态final int MAX_EVENT_DELAY=60；//游戏最多有60秒不正常。
公共静态void main（字符串[]args）引发异常{
final int-popThreshold=1；//热门位置的阈值
//设置流执行环境
StreamExecutionEnvironment env=StreamExecutionEnvironment.getExecutionEnvironment（）；
环境setStreamTimeCharacteristic（TimeCharacteristic.ProcessingTime）；
属性Kafkapprops=新属性（）；
//Kafkapprops.setProperty（“zookeeper.connect”，本地\ zookeeper \主机）；
setProperty（“bootstrap.servers”，本地卡夫卡代理）；
Kafkapprops.setProperty（“group.id”，行驶速度组）；
//始终从一开始就阅读卡夫卡主题
Kafkapprops.setProperty（“auto.offset.reset”、“最早”）；
//创建卡夫卡消费者
FlinkKafkaConsumer011消费者=新的FlinkKafkaConsumer011(
“燧石测试”，
新出租车路线图（），
卡夫卡普）；
//将时间戳提取器分配给使用者
//consumer.assignTimestampsAndWatermarks（新的CustomWatermarkExtractor（））；
DataStream rides=env.addSource（消费者）；
DataStream keyedRides=rides.keyBy（“rideId”）；
//一次完整的滑行过程有一个开始事件和一个结束事件
模式完成骑乘=
模式。开始（“开始”）
.where（新的SimpleCondition（）{
@凌驾
公共布尔筛选器（出租车行驶）引发异常{
返回ride.isStart；
}
})
.下一步（“结束”）
.where（新的SimpleCondition（）{
@凌驾
公共布尔筛选器（出租车行驶）引发异常{
return！ride.isStart；
}
});
//我们想找到120分钟内还没有完成的游乐设施
PatternStream PatternStream=CEP.pattern（keyedRides，completedRides.within（Time.seconds（5））；
OutputTag timedout=新的OutputTag（“timedout”）{
};
SingleOutputStreamOperator longRides=patternStream.flatSelect(
蒂梅杜特，
新的长途汽车。TaxiRideTimedOut（），
新的LongRides.FlatSelectNothing（）
);
longRides.getSideOutput（timedout.print（）；
环境执行（“长途出租车”）；
}
公共静态类TaxirideTimeOut实现PatternFlatTimeOut函数{
@凌驾
公共无效超时（映射、长l、收集器）引发异常{
滑行设施启动=map.get（“开始”）.get（0）；
收集器。收集器（已启动）；
}
}
公共静态类FlatSelectNothing实现PatternFlatSelectFunction{
@凌驾
公共void flatSelect（地图样式、收集器）{
}
}
专用静态类TaxiRideTSExtractor扩展AscendingTimestampExtractor{
私有静态最终长serialVersionUID=1L；
@凌驾
公共长取上升时间戳（出租车乘坐）{
//水印水印=getCurrentWatermark（）；
如果（ride.isStart）{
返回骑乘。startTime.getMillis（）；
}否则{
return ride.endTime.getMillis（）；
}
}
}
私有静态类CustomWatermarkExtractor使用PeriodicWatermarks实现AssignerWithPeriodicWatermarks{
私有静态最终长serialVersionUID=-742759155861320823L；
私有长currentTimestamp=long.MIN_值；
@凌驾
公共长提取时间戳（出租车行驶，长前元素时间戳）{
//假设输入为格式（消息、时间戳）
如果（ride.isStart）{
this.currentTimestamp=ride.startTime.getMillis（）；
返回骑乘。startTime.getMillis（）；
}否则{
this.currentTimestamp=ride.endTime.getMillis（）；
return ride.endTime.getMillis（）；
}
}
@可空
@凌驾
公共水印getCurrentWatermark（）{
返回新水印（currentTimestamp==Long.MIN_值？Long.MIN_值：currentTimestamp-1）；
}
}

---

}

原因是Flink的CEP库目前仅在另一个元素到达并被处理时检查时间戳。基本假设是你有一个稳定的事件流

我认为这是Flink的CEP库的一个局限性。为了正确工作，Flink应该将处理时间计时器注册为

arrivalTime+timeout

，如果没有事件到达，就会触发模式超时