Apache Flink 中文用户邮件列表

如何获取算子处理一条数据记录的时间

Classic

List

Threaded

9 messages Options

pkuvisdudu

如何获取算子处理一条数据记录的时间

pkuvisdudu

回复：如何获取算子处理一条数据记录的时间

猫猫

回复：如何获取算子处理一条数据记录的时间

算子内记时，测流输出。

------------------ 原始邮件 ------------------
发件人: "张江"<[hidden email]>;
发送时间: 2020年1月1日(星期三) 晚上8:44
收件人: "user-zh"<[hidden email]>;

主题: 回复：如何获取算子处理一条数据记录的时间

有人知道么

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2019年12月31日 17:14，张江写道：
Hi，

我是刚学习flink的菜鸟，现在想对一个算子，获取其处理一条数据记录的时间。请问这个应该怎么做？

谢谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

pkuvisdudu

回复：如何获取算子处理一条数据记录的时间

猫猫

回复：如何获取算子处理一条数据记录的时间

只有如下算子支持测流输出。

ProcessFunction

CoProcessFunction

ProcessWindowFunction

ProcessAllWindowFunction

如果要计时的话，需要将你的逻辑全部放到相关函数中。在逐条处理的时候，记录数据ID和时间，写成一个新的数据流并行输出出去。
但实际上我们很少这样做，因为很难将所有逻辑全部放到一个算子中。

比较常见的方式是，在整体上数据有流入和流出，所以增加流入和流出算子，在数据经过的时候，记录数据ID，并形成新的数据流，然后写入到数据库进行合并就行了。
这种可以考虑采样的方式，例如根据ID取模获取数据，但缺点是监控嵌入了执行逻辑，并且必须有并行度为1的统计算子，可能会影响性能。

更为合理的看法是，当数据量不堆积的时候，时间也不是问题。
我们只要看kafka-offset的消费速度就行了。一定时间消费多少条，平均下来就是速率的。适用于压满性能的时候用。

可能还有更好的处理方式，我还没有了解，flink好像自身也有一定的监控能力。
但你的需求到底是什么？你为什么要知道一条数据的处理时间？而不是一批数据的处理时间?
你关心每个算子的时间，还是关心数据整体的处理时间？还是关心某个业务的执行时间？

提供一下场景为佳。

------------------ 原始邮件 ------------------
发件人: "张江"<[hidden email]>;
发送时间: 2020年1月2日(星期四) 上午9:27
收件人: "user-zh"<[hidden email]>;
抄送: "user-zh"<[hidden email]>;
主题: 回复：如何获取算子处理一条数据记录的时间

可以讲的详细点么
非常感谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2020年01月02日 08:09，猫猫写道：
算子内记时，测流输出。

------------------&nbsp;原始邮件&nbsp;------------------
发件人:&nbsp;"张江"<[hidden email]&gt;;
发送时间:&nbsp;2020年1月1日(星期三) 晚上8:44
收件人:&nbsp;"user-zh"<[hidden email]&gt;;

主题:&nbsp;回复：如何获取算子处理一条数据记录的时间

有人知道么

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2019年12月31日 17:14，张江写道：
Hi，

我是刚学习flink的菜鸟，现在想对一个算子，获取其处理一条数据记录的时间。请问这个应该怎么做？

谢谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

pkuvisdudu

回复：如何获取算子处理一条数据记录的时间

我其实是想知道算子的数据处理能力，得到一个算子每秒钟最多能处理多少条数据。比如说map算子，我需要知道它一秒钟最多能转换多少数据，之后根据source端的数据量来设置算子的并行度

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2020年01月02日 10:28，猫猫写道：
只有如下算子支持测流输出。

ProcessFunction

CoProcessFunction

ProcessWindowFunction

ProcessAllWindowFunction

如果要计时的话，需要将你的逻辑全部放到相关函数中。在逐条处理的时候，记录数据ID和时间，写成一个新的数据流并行输出出去。
但实际上我们很少这样做，因为很难将所有逻辑全部放到一个算子中。

比较常见的方式是，在整体上数据有流入和流出，所以增加流入和流出算子，在数据经过的时候，记录数据ID，并形成新的数据流，然后写入到数据库进行合并就行了。
这种可以考虑采样的方式，例如根据ID取模获取数据，但缺点是监控嵌入了执行逻辑，并且必须有并行度为1的统计算子，可能会影响性能。

更为合理的看法是，当数据量不堆积的时候，时间也不是问题。
我们只要看kafka-offset的消费速度就行了。一定时间消费多少条，平均下来就是速率的。适用于压满性能的时候用。

可能还有更好的处理方式，我还没有了解，flink好像自身也有一定的监控能力。
但你的需求到底是什么？你为什么要知道一条数据的处理时间？而不是一批数据的处理时间?
你关心每个算子的时间，还是关心数据整体的处理时间？还是关心某个业务的执行时间？

提供一下场景为佳。

------------------ 原始邮件 ------------------
发件人: "张江"<[hidden email]>;
发送时间: 2020年1月2日(星期四) 上午9:27
收件人: "user-zh"<[hidden email]>;
抄送: "user-zh"<[hidden email]>;
主题: 回复：如何获取算子处理一条数据记录的时间

可以讲的详细点么
非常感谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2020年01月02日 08:09，猫猫写道：
算子内记时，测流输出。

------------------&nbsp;原始邮件&nbsp;------------------
发件人:&nbsp;"张江"<[hidden email]&gt;;
发送时间:&nbsp;2020年1月1日(星期三) 晚上8:44
收件人:&nbsp;"user-zh"<[hidden email]&gt;;

主题:&nbsp;回复：如何获取算子处理一条数据记录的时间

有人知道么

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2019年12月31日 17:14，张江写道：
Hi，

我是刚学习flink的菜鸟，现在想对一个算子，获取其处理一条数据记录的时间。请问这个应该怎么做？

谢谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

贺小令(晓令)

回复：如何获取算子处理一条数据记录的时间

可以看看现有metrics是否满足需求，例如numRecordsInPerSecond。详细可以参考https://ci.apache.org/projects/flink/flink-docs-stable/monitoring/metrics.html#io

------------------------------------------------------------------
发件人：张江 <[hidden email]>
发送时间：2020年1月2日(星期四) 19:24
收件人：user-zh <[hidden email]>
抄　送：user-zh <[hidden email]>
主　题：回复：如何获取算子处理一条数据记录的时间

我其实是想知道算子的数据处理能力，得到一个算子每秒钟最多能处理多少条数据。比如说map算子，我需要知道它一秒钟最多能转换多少数据，之后根据source端的数据量来设置算子的并行度

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2020年01月02日 10:28，猫猫写道：
只有如下算子支持测流输出。

ProcessFunction

CoProcessFunction

ProcessWindowFunction

ProcessAllWindowFunction

如果要计时的话，需要将你的逻辑全部放到相关函数中。在逐条处理的时候，记录数据ID和时间，写成一个新的数据流并行输出出去。
但实际上我们很少这样做，因为很难将所有逻辑全部放到一个算子中。

比较常见的方式是，在整体上数据有流入和流出，所以增加流入和流出算子，在数据经过的时候，记录数据ID，并形成新的数据流，然后写入到数据库进行合并就行了。
这种可以考虑采样的方式，例如根据ID取模获取数据，但缺点是监控嵌入了执行逻辑，并且必须有并行度为1的统计算子，可能会影响性能。

更为合理的看法是，当数据量不堆积的时候，时间也不是问题。
我们只要看kafka-offset的消费速度就行了。一定时间消费多少条，平均下来就是速率的。适用于压满性能的时候用。

可能还有更好的处理方式，我还没有了解，flink好像自身也有一定的监控能力。
但你的需求到底是什么？你为什么要知道一条数据的处理时间？而不是一批数据的处理时间?
你关心每个算子的时间，还是关心数据整体的处理时间？还是关心某个业务的执行时间？

提供一下场景为佳。

------------------ 原始邮件 ------------------
发件人: "张江"<[hidden email]>;
发送时间: 2020年1月2日(星期四) 上午9:27
收件人: "user-zh"<[hidden email]>;
抄送: "user-zh"<[hidden email]>;
主题: 回复：如何获取算子处理一条数据记录的时间

可以讲的详细点么
非常感谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2020年01月02日 08:09，猫猫写道：
算子内记时，测流输出。

------------------&nbsp;原始邮件&nbsp;------------------
发件人:&nbsp;"张江"<[hidden email]&gt;;
发送时间:&nbsp;2020年1月1日(星期三) 晚上8:44
收件人:&nbsp;"user-zh"<[hidden email]&gt;;

主题:&nbsp;回复：如何获取算子处理一条数据记录的时间

有人知道么

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2019年12月31日 17:14，张江写道：
Hi，

我是刚学习flink的菜鸟，现在想对一个算子，获取其处理一条数据记录的时间。请问这个应该怎么做？

谢谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

戴嘉诚

回复: 回复：如何获取算子处理一条数据记录的时间

In reply to this post by pkuvisdudu

你可以在算子中计算，然后上传到自定义的Flink Metrics中，这样就能看到平均一个算子的时间了.

发件人: 张江
发送时间: 2020年1月2日 19:18
收件人: user-zh
抄送: user-zh
主题: 回复：如何获取算子处理一条数据记录的时间

我其实是想知道算子的数据处理能力，得到一个算子每秒钟最多能处理多少条数据。比如说map算子，我需要知道它一秒钟最多能转换多少数据，之后根据source端的数据量来设置算子的并行度

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2020年01月02日 10:28，猫猫写道：
只有如下算子支持测流输出。

ProcessFunction

CoProcessFunction

ProcessWindowFunction

ProcessAllWindowFunction

如果要计时的话，需要将你的逻辑全部放到相关函数中。在逐条处理的时候，记录数据ID和时间，写成一个新的数据流并行输出出去。
但实际上我们很少这样做，因为很难将所有逻辑全部放到一个算子中。

比较常见的方式是，在整体上数据有流入和流出，所以增加流入和流出算子，在数据经过的时候，记录数据ID，并形成新的数据流，然后写入到数据库进行合并就行了。
这种可以考虑采样的方式，例如根据ID取模获取数据，但缺点是监控嵌入了执行逻辑，并且必须有并行度为1的统计算子，可能会影响性能。

更为合理的看法是，当数据量不堆积的时候，时间也不是问题。
我们只要看kafka-offset的消费速度就行了。一定时间消费多少条，平均下来就是速率的。适用于压满性能的时候用。

可能还有更好的处理方式，我还没有了解，flink好像自身也有一定的监控能力。
但你的需求到底是什么？你为什么要知道一条数据的处理时间？而不是一批数据的处理时间?
你关心每个算子的时间，还是关心数据整体的处理时间？还是关心某个业务的执行时间？

提供一下场景为佳。

------------------ 原始邮件 ------------------
发件人: "张江"<[hidden email]>;
发送时间: 2020年1月2日(星期四) 上午9:27
收件人: "user-zh"<[hidden email]>;
抄送: "user-zh"<[hidden email]>;
主题: 回复：如何获取算子处理一条数据记录的时间

可以讲的详细点么
非常感谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2020年01月02日 08:09，猫猫写道：
算子内记时，测流输出。

------------------&nbsp;原始邮件&nbsp;------------------
发件人:&nbsp;"张江"<[hidden email]&gt;;
发送时间:&nbsp;2020年1月1日(星期三) 晚上8:44
收件人:&nbsp;"user-zh"<[hidden email]&gt;;

主题:&nbsp;回复：如何获取算子处理一条数据记录的时间

有人知道么

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

在2019年12月31日 17:14，张江写道：
Hi，

我是刚学习flink的菜鸟，现在想对一个算子，获取其处理一条数据记录的时间。请问这个应该怎么做？

谢谢

| |
张江
|
|
邮箱：[hidden email]
|

签名由网易邮箱大师定制

pkuvisdudu

Re:回复: 回复：如何获取算子处理一条数据记录的时间

好的，谢谢

在 2020-01-06 20:04:09，"戴嘉诚" <[hidden email]> 写道：

>你可以在算子中计算，然后上传到自定义的Flink Metrics中，这样就能看到平均一个算子的时间了.
>
>发件人: 张江
>发送时间: 2020年1月2日 19:18
>收件人: user-zh
>抄送: user-zh
>主题: 回复：如何获取算子处理一条数据记录的时间
>
>我其实是想知道算子的数据处理能力，得到一个算子每秒钟最多能处理多少条数据。比如说map算子，我需要知道它一秒钟最多能转换多少数据，之后根据source端的数据量来设置算子的并行度
>
>
>
>
>| |
>张江
>|
>|
>邮箱：[hidden email]
>|
>
>签名由网易邮箱大师定制
>
>在2020年01月02日 10:28，猫猫写道：
>只有如下算子支持测流输出。
>
>ProcessFunction
>
>CoProcessFunction
>
>ProcessWindowFunction
>
>ProcessAllWindowFunction
>
>如果要计时的话，需要将你的逻辑全部放到相关函数中。在逐条处理的时候，记录数据ID和时间，写成一个新的数据流并行输出出去。
>但实际上我们很少这样做，因为很难将所有逻辑全部放到一个算子中。
>
>
>比较常见的方式是，在整体上数据有流入和流出，所以增加流入和流出算子，在数据经过的时候，记录数据ID，并形成新的数据流，然后写入到数据库进行合并就行了。
>这种可以考虑采样的方式，例如根据ID取模获取数据，但缺点是监控嵌入了执行逻辑，并且必须有并行度为1的统计算子，可能会影响性能。
>
>更为合理的看法是，当数据量不堆积的时候，时间也不是问题。
>我们只要看kafka-offset的消费速度就行了。一定时间消费多少条，平均下来就是速率的。适用于压满性能的时候用。
>
>可能还有更好的处理方式，我还没有了解，flink好像自身也有一定的监控能力。
>但你的需求到底是什么？你为什么要知道一条数据的处理时间？而不是一批数据的处理时间?
>你关心每个算子的时间，还是关心数据整体的处理时间？还是关心某个业务的执行时间？
>
>提供一下场景为佳。
>
>
>
>
>
>
>------------------ 原始邮件 ------------------
>发件人: "张江"<[hidden email]>;
>发送时间: 2020年1月2日(星期四) 上午9:27
>收件人: "user-zh"<[hidden email]>;
>抄送: "user-zh"<[hidden email]>;
>主题: 回复：如何获取算子处理一条数据记录的时间
>
>
>
>可以讲的详细点么
>非常感谢
>
>
>| |
>张江
>|
>|
>邮箱：[hidden email]
>|
>
>签名由网易邮箱大师定制
>
>在2020年01月02日 08:09，猫猫写道：
>算子内记时，测流输出。
>
>
>------------------&nbsp;原始邮件&nbsp;------------------
>发件人:&nbsp;"张江"<[hidden email]&gt;;
>发送时间:&nbsp;2020年1月1日(星期三) 晚上8:44
>收件人:&nbsp;"user-zh"<[hidden email]&gt;;
>
>主题:&nbsp;回复：如何获取算子处理一条数据记录的时间
>
>
>
>有人知道么
>
>
>
>
>| |
>张江
>|
>|
>邮箱：[hidden email]
>|
>
>签名由网易邮箱大师定制
>
>在2019年12月31日 17:14，张江写道：
>Hi，
>
>
>我是刚学习flink的菜鸟，现在想对一个算子，获取其处理一条数据记录的时间。请问这个应该怎么做？
>
>
>谢谢
>
>
>| |
>张江
>|
>|
>邮箱：[hidden email]
>|
>
>签名由网易邮箱大师定制
>