Apache flink 数据匮乏的通道正在延迟水印

我有一个事件时间处理管道 比如：

env.keyBy(_.key).process(myProcessFunction)

process函数仅处理带水印的事件（这是因为它要求对事件进行排序，并根据排序发出事件）。这样一个过程函数已经展示了很多次，第一次类似于我在谷歌上发现的。简而言之，它看起来是这样的：

class MyProcessFunction extends ProcessFunction[Input, Output] {
   def open(config: Configuration) {
      //setup an ordered queue here
   }

   def processElement(event: Input, ..., out: Collector[Output]) {
      updateQueue(_.enqueue(event))
      context.timerService().registerEventTimeTimer(even.timestamp)
   }

   def onTimer(timestamp: Long, ..., out: Collector[Output]) {
      val watermark = ctx.timerService().currentWatermark()
      updateQueue{ queue =>
         while(queue.headOption.exists(_.timestamp < watermark) { 
            val event = queue.dequeue()
            out.collect(event)
         }
      }
   }
}

MyProcessFunction类扩展了ProcessFunction[输入，输出]{ def打开（配置：配置）{ //在此处设置有序队列 } def processElement（事件：输入，…，输出：收集器[输出]）{ updateQueue（u.enqueue（事件）） context.timerService（）.registereventtimeter（偶数.timestamp） } def onTimer（时间戳：长，…，输出：收集器[输出]）{ val watermark=ctx.timerService（）.currentWatermark（） updateQueue{queue=> while（queue.headOption.exists（u.timestamp<水印）{ val event=queue.dequeue（） 外出。收集（活动） } } } } 现在，让我们假设我使用8的并行性，因为在大多数情况下，许多键都流经这个系统。我自己编写了一些集成/单元测试，这些测试使用一小部分数据。让我们假设在这些数据中，我们只有4个键。我遇到的可能是flink的一个没有很好记录的行为

如果您查看StreamInputProcessor.processInput，特别是在处理水印和跟踪的上，最终您会发现，分配给流的水印是该流的所有“活动”通道的最小值。在运行时调试期间，我发现，由于这些通道被初始化为活动通道，因此（StatusWatermarkValve的构造函数），他们会将streams水印设置为Long.MIN_值，直到至少有一个水印进入每个通道

这会导致一种行为，如果您有我上面概述的处理程序，并且您只有4个键，那么它们将永远不会被处理

我有点惊讶，水印并没有传播到每个通道（可能是内存优化）。其次，我非常惊讶通道在默认情况下设置为活动，甚至在任何事件传递到通道之前

我的问题是：是否有可能解决这个问题？我希望能够处理这4个键。

---

我谈到了集成测试，所以解决方案可能只是减少测试中的并行性，或者添加键。然而，我可以想到在实时执行期间我不喜欢这种行为的时候：白天我的事件比晚上多得多，因此我以一种处理白天的方式来调整并行性，但在晚上，管道将是最复杂的arved for data=>一些通道将不使用，因此会暂停其他通道的水印。这几乎让我相信这是一个错误，但我不能确定，这可能是有原因的。

我发现了一个可能相关的错误报告-它是相关的，因为我在描述中遗漏的是我正在使用kafka源