Java 弗林克：有没有其他方法来计算平均值和状态变量，而不是使用RichAggregateFunction？

我不确定我必须使用哪个stream Flink转换来计算某个流的平均值，并在5秒内更新一个状态（假设它是一个INT数组，我的状态）。 如果我使用

RichFlatMapFunction

我可以计算平均值并更新数组状态。但是，我必须打电话

streamSource
    .keyBy(0)
    .flatMap(new MyRichFlatMapFunction())
    .print()

我不能把它写在窗户上。 如果我使用

streamSource
    .keyBy(0)
    .window(TumblingProcessingTimeWindows.of(Time.seconds(5)))
    .aggregate(new MyAggregateFunction())
    .print()

我无法通过

ValueState

保持数组状态

我试图使用

RichAggregateFunction

，但我遇到了与此线程相同的问题。有没有其他方法来计算平均值并跟踪Flink中的另一个状态

在弗林克，我将如何处理这个问题？ 以下是我尝试的方法，但实际上不起作用>

streamStations.filter（新的传感器过滤器（“计数”）
.map（新火车站地图（））
.keyBy（新的MyKeySelector（））
.window（tumblingeventimeewindows.of（Time.seconds（5））；
//这个集合不起作用
//.aggregate（新的AverageRichAggregator（））
//.print（）；
公共静态类AverageRichAggregator扩展
RichAggregateFunction{
私有静态最终长serialVersionUID=-4087448912082797L；
私有字符串函数名；
私人价值州countMinSketchState；
@凌驾
公共void open（配置参数）引发异常{
ValueStateDescriptor描述符=新的ValueStateDescriptor（“countMinSketchState”，
CountMinSketch.class）；
this.countMinSketchState=getRuntimeContext（）.getState（描述符）；
}
@凌驾
公共元组3 createAccumulator（）{
this.countMinSketchState.clear（）；
返回新的Tuple3（0.0,0L,0）；
}
@凌驾
公共元组3添加(
Tuple3值，
三元组（累加器）{
试一试{
if（value.f1.f1等于（“COUNT_PE”））{
//int count=（int）Math.round（value.f2）；
//countMinSketch.updateSketchAsync（“COUNT_PE”）；
}else if（value.f1.f1.equals（“COUNT_TI”））{
//int count=（int）Math.round（value.f2）；
//countMinSketch.updateSketchAsync（“COUNT_TI”）；
}else if（value.f1.f1.equals（“COUNT_TR”））{
//int count=（int）Math.round（value.f2）；
//countMinSketch.updateSketchAsync（“COUNT_TR”）；
}
CountMinSketch currentCountMinSketchState=this.countMinSketchState.value（）；
currentCountMinSketchState.UpdateSketchSync（值为.f1.f1）；
this.countMinSketchState.update（currentCountMinSketchState）；
}捕获（IOE异常）{
e、 printStackTrace（）；
}
返回新的Tuple3（acculator.f0+value.f2，acculator.f1+1L，value.f1.f4）；
}
@凌驾
公共Tuple2 getResult（Tuple3累加器）{
字符串标签=”；
整数频率=0；
试一试{
if（functionName.equals（“COUNT_PE”））{
label=“火车站平均人数”；
//frequency=countMinSketch.getFrequencyFromSketch（“COUNT_PE”）；
}else if（functionName.equals（“COUNT_TI”））{
标签=“火车站平均车票”；
//frequency=countMinSketch.getFrequencyFromSketch（“COUNT_TI”）；
}else if（functionName.equals（“COUNT_TR”））{
标签=“列车在火车站的平均值”；
//frequency=countMinSketch.getFrequencyFromSketch（“COUNT_TR”）；
}
frequency=this.countMinSketchState.value（）.getFrequencyFromSketch（函数名）；
}捕获（IOE异常）{
e、 printStackTrace（）；
}
返回新的元组2（标签+“[”+accumulator.f2+”]读取[“+频率+”]，
（（双）累加器.f0）/累加器.f1）；
}
@凌驾
公共元组3合并（元组3 a、元组3 b）{
返回新的Tuple3（a.f0+b.f0，a.f1+b.f1，a.f2）；
}
}

错误：

Exception in thread "main" java.lang.UnsupportedOperationException: This aggregation function cannot be a RichFunction.
    at org.apache.flink.streaming.api.datastream.WindowedStream.aggregate(WindowedStream.java:692)
    at org.sense.flink.examples.stream.MultiSensorMultiStationsReadingMqtt2.<init>(MultiSensorMultiStationsReadingMqtt2.java:71)
    at org.sense.flink.App.main(App.java:141)

线程“main”java.lang.UnsupportedOperationException中的异常：此聚合函数不能是RichFunction。 位于org.apache.flink.streaming.api.datastream.WindowedStream.aggregate（WindowedStream.java:692） 位于org.sense.flink.examples.stream.MultiSensorMultiStationsReadingMqtt2。（MultiSensorMultiStationsReadingMqtt2.java:71） 位于org.sense.flink.App.main（App.java:141）

---

谢谢，聚合器不允许保持任意状态，以防聚合器可能与合并窗口一起使用——因为Flink不知道如何合并您的临时状态

但您可以将AggregateFunction与ProcessWindowFunction组合，如下所示：

input
 .keyBy(<key selector>)
 .timeWindow(<duration>)
 .aggregate(new MyAggregateFunction(), new MyProcessWindowFunction());

输入
.keyBy（）
.timeWindow（）
.aggregate（新的MyAggregateFunction（），新的MyProcessWindowFunction（））；

ProcessWindowFunction的process方法将被传递一个迭代器，该迭代器只包含预聚合的结果和一个。希望这将以一种简单的方式提供您所需要的。但是，如果您需要用每个到达的记录更新自己的状态，那么您需要扩展聚合器管理的类型以适应这种情况

以下是如何使用全局状态的大致概述：

private static class MyWindowFunction extends ProcessWindowFunction<IN, OUT, KEY, TimeWindow> {
    private final static ValueStateDescriptor<Long> myGlobalState =
      new ValueStateDescriptor<>("stuff", LongSerializer.INSTANCE);

    @Override
    public void process(KEY key, Context context, Iterable<IN> values,  Collector<OUT> out) {
        ValueState<Long> goodStuff = context.globalState().getState(myGlobalState);
    }
}

私有静态类MyWindowFunction扩展了ProcessWindowFunction{
私有最终静态值StateDescriptor myGlobalState=
新的ValueStateDescriptor（“stuff”，lonserializer.INSTANCE）；
@凌驾
公共void进程（键、上下文上下文、Iterable值、收集器输出）{
ValueState goodStuff=context.g
private static class MyWindowFunction extends ProcessWindowFunction<IN, OUT, KEY, TimeWindow> {
    private final static ValueStateDescriptor<Long> myGlobalState =
      new ValueStateDescriptor<>("stuff", LongSerializer.INSTANCE);

    @Override
    public void process(KEY key, Context context, Iterable<IN> values,  Collector<OUT> out) {
        ValueState<Long> goodStuff = context.globalState().getState(myGlobalState);
    }
}